Durante mucho tiempo usé la IA como un autocompletado con esteroides. Me sugería la siguiente línea, yo la aceptaba o no, y a seguir. Útil, pero poca cosa.
El cambio llegó cuando empecé a usarla como agente de verdad: darle un objetivo, dejar que lea el repo para enterarse de cómo está montado todo, que haga el cambio en varios archivos, corra los tests y vaya corrigiendo los errores hasta que pasan. Yo reviso el resultado, no cada tecla. Y ahí la cosa cambia. Tareas que me llevaban media tarde pasan a media hora.
Pero “usar un agente” no es soltarle peticiones sueltas y rezar. Si lo haces así, estorba más que ayuda. Lo que marca la diferencia, al menos en mi experiencia, son tres cosas.
Que tenga acceso a herramientas reales
Aquí entran los MCPs. Le dan al agente una puerta a la base de datos, al sistema de tickets, al entorno de pruebas. Sin eso, el modelo adivina. Con eso, consulta el estado real y deja de inventarse cosas. Es la diferencia entre “creo que el endpoint devuelve esto” y “acabo de llamarlo y devuelve esto”.
Que no tenga que reaprender el contexto cada vez
Las skills son procedimientos guardados: cómo preparamos un entorno de pruebas, cómo validamos tal integración. En vez de explicarle lo mismo cada lunes, lo aplica igual siempre. Suena a tontería hasta que llevas la quinta vez explicándole el mismo flujo y te das cuenta de cuánto tiempo se va en eso.
Que el encargo esté bien hecho
Esta es la parte que nadie quiere oír: la calidad de lo que te devuelve depende de lo claro que seas. Objetivo, restricciones, qué cuenta como “terminado”. Si el prompt es vago, el resultado es vago. No hay magia.
Cómo lo aplico en QA
En el trabajo armé mi propio herramental de QA con Claude a partir de estas piezas. Lo que más uso:
Para planificar pruebas, le doy el cambio y me propone los casos de riesgo; yo ajusto la cobertura. Pasar de la página en blanco a un plan que revisar en unos minutos vale oro. Para los tests, scaffolding rápido con Playwright, refactor a page objects y diagnóstico de los flaky (lo cuento con detalle en el otro artículo). Y para los entornos, skills que los preparan y validan siempre igual, que es como te quitas el clásico “en mi máquina funciona”.
El resultado no es que la IA haga QA. Es que yo hago más QA y mejor: menos tiempo en lo mecánico, más en lo que de verdad aporta.
Sobre el miedo a que esto te reemplace
Lo entiendo, lo he pensado. Pero en la práctica pasa al revés. El agente se come lo repetitivo y te deja con lo que cuesta de verdad y nadie más va a hacer por ti: decidir qué construir, qué probar, qué riesgos importan y si el resultado está bien.
Ser más productivo no es escribir más líneas. Es pasar menos horas ejecutando y más horas decidiendo. Y en esa cancha, un buen ingeniero siempre gana.