A pesar de la tendencia actual en la industria de recortar personal de QA, creo que a largo plazo vamos a ver un aumento en la demanda de QA especializado.
Digo esto después de crear cuatro aplicaciones que uso a diario con código generado por LLMs, usando Claude Code y Antigravity de Google.
Si bien los LLMs más avanzados son extremadamente capaces generando código nuevo, también son máquinas generadoras de bugs. Creo que esto pasa porque los LLMs no tienen el criterio y el buen gusto que sí tiene una persona.
En algunas ocasiones pasé varias horas explicando por qué un comportamiento específico no era el deseado en un producto o aplicación, al punto de que hubiera sido más rápido arreglarlo yo mismo.
A nivel corporativo, trabajando y haciendo QA sobre código generado por IA, se nota clarísimo la diferencia con código escrito puramente por desarrolladores. En los sandboxes de testing, aparecen tipos de bugs que no veía hace años. Esto no es un problema de los devs; están usando herramientas de IA porque la industria hoy se lo está exigiendo. Es el resultado esperado de usar una herramienta probabilística como un LLM.
Si los desarrolladores siguen construyendo con IA, los bugs y otros comportamientos no deseados van a proliferar. Y no solo eso: incluso cuando no hay bugs de funcionalidad, noté que el código generado por LLMs también afecta el rendimiento y la experiencia de usuario. Código que “funciona” termina siendo una pesadilla de performance porque introduce ineficiencias ocultas, como llamadas a APIs redundantes o consultas a bases de datos sin optimizar.
Lo último que introduce el uso de LLMs: devs y QAs que no entienden cómo funcionan realmente las cosas (conocido como deuda cognitiva), porque crearon código y tests que son 90% IA. Esto también es una fuente de regresiones y comportamientos inesperados.
Los QAs que llevan tiempo en esto desarrollaron un instinto y un criterio para saber dónde y cómo aparecen los bugs o defectos. Si combinamos esas habilidades con herramientas potenciadas por IA, se va a atrapar cierto volumen de defectos, pero no creo que sea suficiente.
Las empresas eventualmente se van a dar cuenta de esto, y van a tener que apostar fuerte de nuevo por el headcount de QA. La verdad no sé cuándo, pero creo que va a pasar.
Este no es un posteo para criticar la IA. Solo estoy tratando de decir que toda herramienta o tecnología trae no solo beneficios, sino también desventajas de las que hay que cuidarse. Tenemos que tener esto presente para poder aprovechar la mayor cantidad de beneficios posible sin caer en las desventajas potenciales.