Testing basado en agentes: cómo los agentes de IA están revolucionando el aseguramiento de la calidad en banca y seguros

El sector financiero está sometido a una enorme presión: regulación más estricta, una transformación digital cada vez más rápida y, al mismo tiempo, una creciente escasez de profesionales cualificados. Aunque la IA ya ha llegado a muchas áreas del desarrollo de software (por ejemplo, con el modelo de procesos impulsado por IA de adesso, «adSCAILE»), está surgiendo ahora un nuevo enfoque con potencial para revolucionar en particular el aseguramiento de la calidad: el testing agéntico con agentes de IA.

Estos agentes de pruebas basados en IA prometen hacer mucho más eficiente el proceso de testing tradicional (desde la creación de casos de prueba hasta la ejecución y la gestión de defectos) y reducir de forma notable la carga de trabajo humana. Las primeras estimaciones apuntan a ahorros de hasta el 80 % del esfuerzo manual de pruebas. El objetivo no es, explícitamente, sustituir a las personas, sino liberarlas de tareas concretas y llevarlas a un nuevo rol: de ejecutor de pruebas a responsable de decisiones de calidad.

Por qué se dispara el esfuerzo de testing en el sector financiero

Factor 1: la regulación eleva los requisitos de prueba

Los bancos y las aseguradoras, en particular, llevan varios años enfrentándose a requisitos de cumplimiento mucho más estrictos. Marcos regulatorios como DORA y las directrices complementarias de la BaFin, que debían entrar en vigor a principios de 2025, buscan una mayor ciberresiliencia, con consecuencias directas para el aseguramiento de la calidad del software.

El número y la complejidad de los ciberataques han aumentado considerablemente. Los ataques multivectoriales y los ataques potenciados por IA obligan a las entidades a evaluar con regularidad la resiliencia y la seguridad de sus aplicaciones mediante pruebas adicionales y especializadas. A ello se suman unos requisitos de verificación y documentación muy ampliados:

• trazabilidad completa desde los requisitos, pasando por los casos de prueba, hasta los resultados,
• documentación apta para auditoría de cada versión (release),
• valoración transparente de hallazgos y defectos según su criticidad y su riesgo.

El resultado: pruebas de regresión cada vez más numerosas y frecuentes, incluso para cambios aparentemente menores, como ajustes de configuración o parches.

Se genera un esfuerzo adicional por los servicios externalizados a proveedores terceros de TIC, como proveedores de nube o de SaaS. Estos deben integrarse en la estrategia de pruebas propia, evaluarse con regularidad con un enfoque basado en el riesgo, y las pruebas conjuntas deben planificarse, coordinarse y documentarse. La carga de pruebas aumenta de forma perceptible en todos los ámbitos.

Factor 2: la transformación digital y la nube aumentan la complejidad

Los bancos y aseguradoras tradicionales, a diferencia de muchas fintech, operan paisajes heredados (legacy) muy complejos, que han evolucionado durante décadas. Los sistemas host y las aplicaciones en COBOL o PL/1 suelen ser la columna vertebral de su negocio principal. Al mismo tiempo, tecnologías modernas como la nube, la IA y los microservicios deben integrarse sin fisuras.

De ahí han surgido numerosos proyectos de migración y modernización («Change the Bank»), en los que:

• los sistemas heredados se modernizan paso a paso,
• las aplicaciones on-premises se migran a la nube,
• y se integran nuevas plataformas y socios.

El ejemplo de Commerzbank ilustra esta tendencia: alianzas estratégicas con Google Cloud y Microsoft, migración de numerosas aplicaciones a plataformas en la nube y una modernización gradual de la infraestructura de IT.

Con el paso a la nube, también cambia el marco operativo («Run the Bank»):

Los proveedores de nube se consideran proveedores terceros de servicios de TIC según DORA y deben figurar en los registros de información, supervisarse y someterse a pruebas. Los desarrollos propios en la nube y el software en la nube adquirido (SaaS) siguen un modelo evergreen: las actualizaciones y las nuevas funciones se despliegan con frecuencia en ciclos cortos, a menudo sin que el cliente tenga voz en ello ni reciba información detallada con antelación. Para bancos y aseguradoras, esto significa pruebas de regresión más frecuentes y completas para garantizar que los procesos y flujos de trabajo sigan funcionando sin problemas con cada nueva versión. También en este ámbito, la carga de pruebas aumenta de forma considerable.

Factor 3: escasez de profesionales cualificados con exigencias crecientes

Al mismo tiempo, otra tendencia agrava la situación: la escasez persistente de profesionales cualificados en IT y en las áreas especializadas. Los bancos y las aseguradoras compiten con las fintech, las grandes tecnológicas y otros sectores, y a la vez se enfrentan a programas de reducción de costes.

• Cada vez más tareas de prueba deben ser realizadas por cada vez menos personas.
• Faltan expertos en IT con conocimientos metodológicos de testing.

Faltan expertos de negocio que comprendan a fondo la lógica del negocio y puedan evaluar las nuevas aplicaciones desde una perspectiva funcional.

Son precisamente estos expertos los que deberían emplearse de la forma más eficaz posible, y no en tareas repetitivas y laboriosas como la documentación manual de pruebas de regresión. De lo contrario, existe el riesgo de sobrecarga, frustración y, en última instancia, pérdida de motivación.

Por qué los enfoques tradicionales no bastan

Falsa solución 1: la automatización de pruebas

Durante muchos años, las organizaciones han intentado paliar el creciente esfuerzo de pruebas mediante la automatización. La idea es que los casos de prueba se automaticen una sola vez y puedan ejecutarse después en cualquier momento «con solo pulsar un botón». En la práctica, sin embargo, esta promesa rara vez se ha cumplido.

Es cierto que existe una multitud de herramientas consolidadas, como Tosca (Tricentis), Playwright (Microsoft) o Selenium, como solución de código abierto. Pero la realidad muestra que:

• La introducción de la automatización de pruebas suele ser laboriosa y compleja.
• A pesar de funciones modernas como capture and replay, son necesarias modificaciones en los scripts que exigen conocimientos de programación.
• Incluso cambios menores en la aplicación hacen fallar las pruebas automatizadas y obligan a realizar costosos ajustes.

No es raro que el resultado sea decepcionante: el esfuerzo de implantar y mantener la automatización de pruebas supera los beneficios reales y el tiempo ahorrado. Por ello, muchos bancos y aseguradoras han tenido experiencias negativas o hoy solo utilizan la automatización de forma muy puntual, para escenarios claramente definidos.

Falsa solución 2: Outsourcing

Otra opción muy utilizada es externalizar las actividades de prueba a centros nearshore u offshore. El objetivo: reducir costes y ampliar la capacidad a corto plazo. Sin embargo, también aquí la experiencia práctica revela límites:

• La coordinación y la alineación entre husos horarios consumen mucho tiempo.
• Las barreras lingüísticas y culturales dificultan una colaboración estrecha y técnicamente precisa.
• Para cuestiones complejas y específicas de la banca, sigue siendo muy necesaria la presencia de expertos propios.

En resumen: ni la automatización de pruebas tradicional ni la externalización pura ofrecen una solución sostenible al conflicto estructural de objetivos que generan el aumento de la carga de pruebas, la presión regulatoria y los recursos limitados.

Los agentes de IA, la siguiente etapa evolutiva del testing

Qué distingue a los agentes de IA

Con el rápido desarrollo de los grandes modelos de lenguaje (Large Language Models, LLM) y de la IA generativa, cobra protagonismo una nueva generación de sistemas: los agentes de IA. Van mucho más allá de las aplicaciones de IA tradicionales:

• Actúan como empleados virtuales,
• son proactivos y pueden colaborar en equipo,
• aprenden nuevas habilidades y mejoran de forma continua,
• y pueden entrenarse para utilizar otro software de forma específica.

Muchos bancos y aseguradoras ya utilizan sistemas de asistencia con IA al estilo de ChatGPT, que se operan internamente y protegen los datos confidenciales. El siguiente paso es aplicar ahora estas capacidades de forma específica al aseguramiento de la calidad.

Cómo funcionan los agentes de pruebas

El principio básico: un equipo de testers virtuales (agentes de IA) está dirigido por un agente orquestador de nivel superior, el «jefe de equipo». Juntos, apoyan a los testers humanos a lo largo de todo el proceso de pruebas:

• derivar casos de prueba a partir de los requisitos y los criterios de aceptación,
• ejecutar los casos de prueba,
• registrar y describir los defectos.

Lo fundamental es que la IA no sustituye a las personas, sino que trabaja codo con codo con ellas. El mayor potencial de ahorro de costes está, en particular, en:

• las pruebas de integración y end-to-end,
• las pruebas de regresión,
• las pruebas de aceptación de negocio,
• las pruebas de migración y de datos.

Estas áreas suponen tradicionalmente la mayor carga de trabajo, y es justo aquí donde los agentes de IA pueden aportar un alivio notable mediante la automatización, la estandarización y el escalado.

El rol del tester humano evoluciona: de la ejecución manual hacia un aseguramiento de la calidad a nivel meta, como responsable de decisiones y supervisor de los resultados de la IA.

Human-in-the-loop y regulación

La automatización total del proceso de pruebas por agentes de IA no es hoy ni técnicamente viable ni deseable desde el punto de vista regulatorio. El Reglamento de IA de la UE (EU AI Act) exige expresamente un enfoque de «human-in-the-loop» (supervisión humana) para los sistemas de alto riesgo, entre los que, por lo general, se cuentan los bancos y las aseguradoras:

• Las personas deben revisar los resultados de la IA,
• poder intervenir en los flujos de trabajo asistidos por IA,
• y poder corregir o detener las decisiones.

El testing basado en agentes tiene en cuenta este marco: los agentes de IA asumen las tareas laboriosas y repetitivas, mientras que las personas conservan la responsabilidad y el control.

Ventajas concretas del testing basado en agentes

Frente al testing puramente humano, pero también frente a la automatización de pruebas tradicional, el testing basado en agentes ofrece una serie de beneficios tangibles:

Casos de prueba coherentes y de alta calidad

Los agentes de IA generan en muy poco tiempo casos de prueba bien estructurados y coherentes en las suites de gestión de pruebas más habituales. Las diferencias de estilo y de calidad, frecuentes cuando intervienen varios testers humanos, se reducen de forma notable.

Escalabilidad y disponibilidad 24/7

En teoría, los agentes trabajan las 24 horas, sin pausas ni cansancio. El número de agentes que trabajan en paralelo puede aumentarse rápidamente según las necesidades, algo ideal para pruebas masivas, ventanas de lanzamiento ajustadas o pruebas de regresión extensas.

Uso de fuentes de conocimiento externas

Los agentes de IA pueden analizar en una fracción de segundo grandes cantidades de información de contexto procedente de fuentes como Confluence, SharePoint u otros repositorios de documentos, e incorporarla al diseño de los casos de prueba, una tarea que para las personas resultaría extremadamente laboriosa.

Resistencia a los cambios

A diferencia de los scripts de automatización tradicionales (Playwright, Selenium, Tosca), que pueden fallar ante el más mínimo cambio en la aplicación, los agentes de IA reaccionan con mucha más solidez a los ajustes de la interfaz o del proceso. Así se elimina el costoso mantenimiento de scripts rígidos.

Arquitectura e integración de «adesso test agents»

«adesso test agents» está concebido como un marco flexible:

• Neutral respecto a la nube: puede desplegarse en distintos entornos de nube (por ejemplo, Google Cloud, Azure, AWS).
• Agnóstico respecto al LLM: según la complejidad de la tarea, los requisitos de protección de datos y los costes, se utilizan distintos LLM, como modelos de la serie Claude, Gemini u OpenAI.
• Integración sin fisuras: conexión con las herramientas y los flujos de trabajo de gestión de pruebas existentes, por ejemplo, a través de Jira/Xray. Los agentes pueden aprender a trabajar con distintas herramientas.

adesso ha optado deliberadamente por una solución propia de testing basado en agentes en lugar de depender de productos existentes. El objetivo era crear una solución que cumpliera tanto sus propios requisitos como las necesidades específicas de los clientes de sectores regulados.

A diferencia de muchas herramientas de testing basado en agentes disponibles hasta ahora, «adesso test agents» se centra en una ejecución de pruebas por agentes de alto rendimiento que:

• funciona sin ningún script programado,
• simula el comportamiento real de un usuario mediante el control del ratón y del teclado («enfoque basado en el ordenador», o computer-based approach),
• puede integrarse con flexibilidad en las más diversas cadenas de herramientas de pruebas.

Primeros resultados en proyectos reales

«adesso test agents» ya se está utilizando en los primeros proyectos con clientes, por ejemplo, en una gran aseguradora alemana como parte de una prueba de concepto (proof of concept). Los resultados allí muestran que:

• la laboriosa creación y ejecución de casos de prueba se reduce de forma considerable,
• los testers humanos se liberan de tareas repetitivas,
• la cobertura de pruebas aumenta, porque pueden realizarse muchas más ejecuciones en menos tiempo.

adesso también está empleando los agentes de pruebas en proyectos internos y reuniendo más experiencia para optimizar el marco de forma continua.

Conclusión: el testing basado en agentes como siguiente etapa evolutiva

La combinación de requisitos regulatorios crecientes, una transformación digital compleja y una escasez cada vez mayor de profesionales cualificados obliga a bancos y aseguradoras a explorar nuevos enfoques de aseguramiento de la calidad. La automatización de pruebas tradicional y la externalización llegan cada vez más a sus límites.

El testing basado en agentes con agentes de IA marca el inicio de una nueva etapa evolutiva en el aseguramiento de la calidad del software:

• las tareas repetitivas y con mucha carga documental se automatizan,
• los expertos humanos se centran en la valoración técnica y la supervisión,
• y se pueden lograr una alta cobertura de pruebas y trazabilidad incluso bajo exigencias regulatorias estrictas.

Con «adesso test agents», los bancos y las aseguradoras ya tienen acceso a un marco probado que aborda precisamente estos retos y que allana el camino hacia una organización de pruebas más eficiente, resiliente y preparada para el futuro.

Más información

adSCAILE