En el ámbito del desarrollo de software, las pruebas de aseguramiento de calidad (QA) han sido fundamentales desde hace mucho tiempo. Sin embargo, los enfoques tradicionales de QA no han logrado adaptarse adecuadamente a los ciclos de desarrollo modernos y a las interfaces de usuario cada vez más complejas. A pesar de que la mayoría de las organizaciones aún combinan pruebas manuales con marcos automatizados de pruebas basados en scripts, como Selenium, Cypress y Playwright, los equipos dedican una cantidad significativa de tiempo a mantener la automatización existente en lugar de crear nuevas pruebas. Esta situación se debe a que la automatización tradicional tiende a ser frágil; los scripts de prueba se rompen con los cambios en la interfaz, requieren conocimientos especializados de programación y a menudo no cubren de manera completa todos los navegadores y dispositivos. Con muchas organizaciones explorando activamente flujos de trabajo de pruebas impulsados por inteligencia artificial, los enfoques actuales se quedan cortos.
En este contexto, la automatización de QA de tipo agentic ofrece una solución a estas dificultades. Esta tecnología transforma las pruebas de QA de una automatización basada en reglas a sistemas de prueba inteligentes y autónomos. A diferencia de la automatización convencional que sigue scripts preprogramados, la IA agentic puede observar, aprender, adaptarse y tomar decisiones en tiempo real. Entre sus principales ventajas se encuentran la generación autónoma de pruebas a través de la observación de la interfaz y la adaptación dinámica a medida que cambian los elementos de la UI, lo que minimiza el costo de mantenimiento que consume el tiempo de los equipos de QA. Estos sistemas simulan patrones de interacción humana, asegurando que las pruebas se realicen desde una perspectiva genuina de usuario en lugar de seguir caminos rígidos y programados.
Para llevar la automatización de QA agentic a una escala empresarial, las organizaciones necesitan una infraestructura robusta que pueda soportar agentes de prueba inteligentes y autónomos. El navegador AgentCore, una herramienta integrada de Amazon Bedrock AgentCore, aborda esta necesidad al proporcionar un entorno de navegación en la nube seguro, diseñado específicamente para que los agentes de IA interactúen con sitios web y aplicaciones. Este navegador incluye características de seguridad esenciales, como aislamiento de sesión, capacidad de observación en tiempo real, registro mediante AWS CloudTrail y capacidades de reproducción de sesión.
La combinación de las capacidades de infraestructura del navegador AgentCore con un SDK agentic como Amazon Nova Act crea un ecosistema de pruebas integral que transforma la manera en que las organizaciones abordan el aseguramiento de la calidad. Amazon Nova Act ayuda a los desarrolladores a construir, implementar y gestionar flotas de agentes de IA confiables para automatizar flujos de trabajo de UI en producción, permitiéndoles descomponer flujos de prueba complejos en comandos más pequeños y confiables.
Para ilustrar esta transformación en la práctica, se presentó el desarrollo de una nueva aplicación para una empresa minorista. Utilizando Kiro, un asistente de codificación potenciado por IA, se generan automáticamente casos de prueba de UI al analizar el código de la aplicación. Esto permite una aceleración significativa en la creación de pruebas, proporcionando una cobertura comprensiva de las funcionalidades de la aplicación.
Las pruebas generadas se almacenan en un directorio de datos de prueba donde un marco de trabajo como pytest las descubre y ejecuta de manera automática. Cada archivo de prueba en formato JSON se convierte en una prueba independiente que pytest puede correr en paralelo, optimizando así el uso de recursos del sistema. Durante la ejecución, cada prueba obtiene su propia sesión aislada del navegador AgentCore a través del SDK Amazon Nova Act.
Además, el navegador AgentCore permite ejecutar múltiples sesiones de navegador de forma simultánea, habilitando la ejecución real de pruebas en paralelo y ofreciendo visibilidad total a través de la consola de administración de AWS. Las características de visualización en vivo y reproducción de sesiones son particularmente valiosas para depurar fallos en las pruebas y entender el comportamiento de los agentes, brindando confianza en el proceso de pruebas automatizadas.
Las instrucciones completas de implementación y acceso al código de la aplicación minorista de ejemplo, así como las plantillas de AWS CloudFormation y el marco de pruebas pytest, se pueden encontrar en el repositorio de GitHub correspondiente. El potencial transformador de la automatización de QA agentic junto con la infraestructura adecuada está marcando un nuevo rumbo en la verificación de calidad en el desarrollo de software, permitiendo a las organizaciones mejorar su eficiencia y efectividad en esta crucial área.
vía: AWS machine learning blog
