A lo largo de la historia se han identificado diversos motivos por los que el software puede fallar. Una de las razones principales de tales fallos es una garantía de calidad (QA) deficiente durante el proceso de desarrollo.
El propósito principal de ejecutar una prueba de garantía de calidad en el software es evitar la liberación de productos de baja calidad a los clientes finales, ya que, pequeños errores pueden llevar a grandes pérdidas financieras.
Un buen ejemplo de la importancia de QA es Flud, una aplicación de lectura de noticias sociales para iPad, iPhone, Android y Windows Phone. Flud era conocido como el «primer lector de noticias sociales». Sin embargo, el lanzamiento falló debido a los servicios de control de calidad deficientes.
La principal prioridad del equipo de Flud fue el proceso de desarrollo y su enfoque se centró en la creación de código casi en exclusiva, y cuando el producto se lanzó finalmente, estaba lleno de errores y desajustes. No importó que todo se arreglara, la mala reputación y la terrible experiencia del usuario impidieron su éxito.
Para que esto no ocurra con frecuencia, la mejor forma de proporcionar software de alta calidad pasa por implementar una gestión de control de calidad que proporcione herramientas y metodologías para crear productos libres de errores.
Actualmente, el tamaño del mercado del software de gestión de calidad es de 6.200 millones de dólares y se espera que alcance los 17.200 millones de dólares a finales de 2025, con un CAGR de 13,6%.
La satisfacción del cliente, por encima de todo
La razón principal para realizar las pruebas de calidad es garantizar la satisfacción del cliente. Esto indica que las pruebas están cada vez más alineadas con los objetivos comerciales y que los equipos tienen en mente una visión más amplia.
Cabe remarcar, además, que el 99% de las compañías utiliza DevOps en al menos algunos de sus proyectos. Sin olvidar que DevOps tiene como objetivo ofrecer valor al usuario lo más rápido posible, manteniendo la calidad alta.
En consecuencia, existe la necesidad de una mayor automatización, que es esencial para acelerar el proceso de prueba. Sin embargo, los últimos informes señalan que la automatización es un cuello de botella que está frenando el control de calidad y las pruebas en la actualidad.
Esto lleva a otros dos hallazgos importantes: la IA es cada vez más importante en las pruebas, y los profesionales de las pruebas deben adquirir habilidades adicionales.
La importancia de la inteligencia artificial
Actualmente, muchas organizaciones están experimentando con la inteligencia artificial y cómo se puede utilizar para optimizar las pruebas que deben realizarse, para acortar los ciclos de prueba y aumentar su eficacia.
Esto depende de la capacidad de extraer información de las herramientas de administración del ciclo de vida de la aplicación, las herramientas de prueba y los sistemas de monitoreo de producción, a la vez que se procesa esa información de manera oportuna.
La automatización de las pruebas de calidad gracias al machine learning puede aumentar las tasas de detección de defectos hasta en un 90%. Por ejemplo, la compañía Honeywell está integrando la IA y los algoritmos de aprendizaje automático en las adquisiciones, el abastecimiento estratégico y la gestión de costes, con el objetivo de mejorar la calidad de los productos.
Sin embargo, este proceso no es fácil. Aunque entienden la importancia de la IA y desean aplicarla, el 55% de las compañías tienen dificultades para identificar dónde aplicar la IA. Y, un 51% también afirma que ha experimentado dificultades para integrar la IA con sus aplicaciones existentes.
No obstante, la IA está presente en muchas aplicaciones y, por supuesto, los componentes de la IA deben ser probados. Esto plantea un conjunto de desafíos adicionales, entre los cuales el profesional que gestione estas herramientas debe dominar un conjunto adicional de habilidades altamente técnicas, como la optimización matemática, la programación neurolingüística y el conocimiento algorítmico.
Nuevo roles más técnicos
No es fácil encontrar profesionales con estas habilidades hoy en día, y puede volverse aún más difícil a medida que más organizaciones comienzan a adoptar técnicas de IA.
- Estrategas de control de calidad: para entender cómo aplicar AI a los negocios. Necesitarán dominar los conocimientos tanto comerciales como técnicos.
- Los científicos de datos: para analizar los datos de prueba y usar análisis predictivos, matemáticas y estadísticas para construir modelos. Deben tener un profundo conocimiento y experiencia en técnicas de análisis de datos.
- Expertos en pruebas de inteligencia artificial: para participar en la prueba de aplicaciones de inteligencia artificial. Además de la experiencia en pruebas tradicionales, deberán comprender los algoritmos de machine learning y las técnicas de procesamiento del lenguaje natural y tener otras habilidades altamente técnicas.
Si bien la inteligencia artificial requiere un nuevo conjunto de habilidades para evaluadores y profesionales de control de calidad, no es de ninguna manera el único desafío tecnológico para este grupo de empleados.
Nuevas habilidades para el control de calidad
Hasta ahora se ha visto los beneficios que puede aportar la inteligencia artificial en el control de calidad, pero, no es la única tecnología innovadora que puede ofrecer grandes beneficios.
La adopción de la tecnología IoT está aumentando, hasta el punto en que el 97% de las empresas tiene algún tipo de presencia IoT en sus productos. Los dispositivos IoT pueden capturar grandes cantidades de datos, que pueden enviarse a la nube para su procesamiento, o procesarse en parte o en su totalidad en el propio dispositivo.
Un gran ejemplo de cómo la IA combinada con los sistemas de visión conectados puede mejorar la calidad del producto se muestra en la fábrica de Oyama de Fujitsu. El sistema de reconocimiento de imagen que usa la compañía no solo ayuda a garantizar la producción de piezas de una calidad óptima, sino que también supervisa el proceso de ensamblaje. Este doble papel ha impulsado notablemente la eficiencia de la empresa.
Anteriormente, la solución carecía de la flexibilidad que exige el mundo en rápido movimiento de hoy. Pero la implementación de esta solución permitió a la compañía adaptar rápidamente su software a nuevos productos sin la necesidad de una recalibración que requiera mucho tiempo. Con estos cambios, Fujitsu redujo su tiempo de desarrollo en un 80% y mantuvo las tasas de reconocimiento de piezas en más de un 97%.
Por otro lado, el 66% de las compañías afirman que ya están utilizando la tecnología blockchain o tienen planes de hacerlo durante el próximo año. Ya no se asocia esta tecnología exclusivamente las criptomonedas, sino que se está implementando blockchain en muchos sistemas que requieren una mayor seguridad para registrar las transacciones.
En concreto, las implementaciones de blockchain deben tener en cuenta los riesgos de seguridad y de datos y mitigar los peligros asociados con la integración en otros sistemas.
Un error puede suponer grandes perdidas monetarias. Y es que, muchos proyectos de blockchain no sobreviven después de alcanzar el estado de producción inicial. Para la mayoría, la falta de pruebas de software adecuadas es una de las razones principales de su desaparición.
Se estima que se han perdido más de 500 millones de dólares en criptomoneda debido a un código erróneo solo en el último año. Probablemente el más importante, fue el vacío legal del código de la DAO, que permitió a los atacantes agotar 3,6 millones de ETH (por un valor de 70 millones de dólares en ese momento) del contrato inteligente basado en Ethereum.
Por ello, la contratación de personal con las habilidades necesarias puede ser un desafío, por lo que se recomienda desarrollar las habilidades dentro de la fuerza laboral actual a través de pasantías, capacitación especializada y desarrollo.
Conclusiones
El usuario es lo más importante para los profesionales de control de calidad en la actualidad. Pero sin un profundo dominio de las nuevas tecnologías como la inteligencia artificial, IoT y blockchain, será difícil asegurar que los usuarios tengan la experiencia superior que merecen.
Esto se puede ver en todos los sectores, incluso el sector público, que carece de madurez en la adopción de DevOps, está hablando de inteligencia artificial y tecnologías cognitivas.
Por ello, para poder cumplir con éxito la estrategia de colocar a los usuarios en la cima, las organizaciones deben asegurarse de que los empleados estén equipados con las habilidades necesarias para probar las nuevas tecnologías que cada vez son más frecuentes en los productos de hoy.
