AI-Driven Software Testing

Tratado avanzado de ingeniería de calidad (Quality Engineering) desarrollado por Srinivasa Rao Bittla (Senior Development Engineer en Adobe), centrado en la modernización de los procesos de verificación de software a través de inteligencia artificial y aprendizaje automático. Está pensado para ingenieros de control de calidad (QA), desarrolladores en test (SDET) y arquitectos de software con experiencia intermedia en pruebas automatizadas y despliegue continuo que desean dejar atrás la fragilidad de los scripts tradicionales ante el ritmo acelerado de las entregas de software modernas.

El temario examina minuciosamente la transición desde las pruebas manuales y los scripts estáticos hacia marcos dinámicos y predictivos en el ciclo de vida de desarrollo y pruebas (SDLC y STLC). Detalla cinco capacidades transformadoras: generación inteligente de casos y datos sintéticos de prueba, autorreparación de scripts («self-healing locators») para sobrellevar cambios imprevistos en interfaces de usuario y selectores web, detección predictiva de defectos mediante análisis de riesgo sobre registros históricos y telemetría de código, pruebas de regresión visual automatizadas con visión artificial y optimización del tiempo de ejecución en suites masivas. Integra estos conceptos con marcos de la industria como Selenium, Playwright y Cypress, además de herramientas asistidas por LLMs y servicios de integración continua como Jenkins y GitHub Actions.

A lo largo de sus secciones, el libro guía al lector en el diseño de arquitecturas de pruebas resilientes y esquemas de mantenimiento proactivo que minimizan falsos positivos y pruebas intermitentes («flaky tests»). Su mayor acierto es aportar una perspectiva de ingeniería realista y pragmática orientada a entornos corporativos de alta escala, prescindiendo del discurso teórico desconectado de la práctica diaria del tester. No incluye un único proyecto de aplicación monolítica, ya que su propósito es proporcionar patrones, configuraciones y flujos aplicables a cualquier base de código existente. Conviene dominar previamente la automatización web funcional en lenguajes como Java, Python o JavaScript y comprender los fundamentos de CI/CD.