Agenda Testear.la 2026

Asumir que la infraestructura es infalible conduce a fallas críticas. La Ingeniería del Caos enseña a experimentar con fallas controladas para fortalecer el software. Abordaremos cómo diseñar una estrategia de resiliencia proactiva en la nube sin depender de scripts masivos, aprovechando la Inteligencia Artificial para analizar datos de observabilidad, predecir comportamientos anómalos ante picos de estrés y sugerir mejoras arquitectónicas clave.

La inteligencia artificial ya está presente en el trabajo de todos quienes desarrollan software, pero muchas veces queda limitada a prompts o agentes aislados que no se integran al flujo del equipo. En este taller vamos a ir más allá: crearemos agentes de IA con foco en diferentes tareas de testing, desde cero, sin necesidad de programar, usando Tero, una plataforma open source para diseñar, compartir y ejecutar agentes. Partiremos de problemas típicos para diseñar un agente con propósito claro, por ejemplo entender o generar documentación, crear diagramas a partir del código, derivar casos de prueba desde notas de sesiones exploratorias, o apoyar la automatización. Veremos cómo definir su comportamiento, darle contexto y conocimiento propio mediante documentación (RAG) y conectarlo con herramientas externas vía MCP para que no solo “responda”, sino que también pueda accionar y generar resultados útiles. Durante el taller construiremos juntos varios agentes y lo probaremos con casos reales mientras lo ajustamos. El foco no está solo en la herramienta, sino en el criterio. Terminaremos con un intercambio sobre el impacto de agentes en nuestro trabajo.

Esta charla muestra cómo los testers pueden potenciar su trabajo usando LLMs como copiloto en el día a día. En lugar de ver la IA como una herramienta aislada, la abordamos desde tres ejes concretos: entender, pensar mejor y mejorar. Veremos cómo acelerar la comprensión de sistemas complejos y código desconocido para empezar a testear antes. Exploraremos cómo usar LLMs para ampliar nuestro pensamiento, generando casos, edge cases y charters de testing exploratorio. También veremos cómo mejorar la calidad de nuestros tests automatizados mediante code review asistido y detección de mal código. Incluye ejemplos prácticos de uso real en contextos de testing complejos. Se discutirán limitaciones y buenas prácticas para evitar depender ciegamente de la herramienta. El foco está en aumentar la efectividad del tester, no en reemplazar su criterio. Una charla orientada a QA engineers y testers que buscan trabajar mejor, no solo más rápido.

Esta demo muestra cómo Neo asiste al QA en diferentes flujos de trabajo, desde la generación y organización de pruebas hasta la ejecución asistida e integración con pipelines, reduciendo trabajo repetitivo y liberando tiempo para el análisis y el criterio. El componente base de Neo son las skills. Las skills son fuentes de conocimientos de QA como: análisis de historias de usuario, generación, ejecución y automatización de casos de prueba, reporte de errores. Las skills son referenciadas en playbooks, los cuales son guías para flujos de QA recurrentes (smoke post-deploy, feature new end-to-end, etc) que permiten resultados más consistentes entre distintos QAs. Los agentes IA trabajan sobre los playbooks, ejecutándolos de forma asistida sin reemplazar al QA, quien sigue revisando, ajustando y decidiendo qué se valida. Por último, se muestra cómo playbooks y agentes pueden escalar a un nivel productivo en CI/CD: los playbooks se convierten en planes ejecutables, versionados y repetibles, que corren dentro de un pipeline sin intervención asistida directa, pasando de una asistencia puntual a un proceso automatizado, trazable y confiable, gobernado por reglas claras en lugar de improvisación.

Cuando un agente de IA guía decisiones importantes en las empresas o en la vida de las personas, el testing tradicional se queda corto. Los frameworks clásicos asumen una respuesta esperada y obtenida: si coinciden, todo bien. Pero ¿qué pasa cuando el sistema es no-determinista, admite múltiples respuestas correctas, o el error se arrastra silenciosamente varios turnos después? Contamos cómo enfrentamos esto en casos productivos reales, donde una recomendación mal formulada puede torcer una trayectoria real. Mostramos las técnicas: Golden Data para evaluar sobre escenarios reales, Agent-as-Judge para auditar calidad y seguridad de las respuestas, testing outcome-based centrado en el objetivo de negocio, y diseño de casos límite y de sesgo para dominios sensibles.

Durante años trabajando en QA aprendí que la calidad no se construye al final del ciclo, sino desde las primeras conversaciones, el entendimiento del producto y la identificación temprana de riesgos. En esta charla compartiré mi experiencia liderando QA en Rindegastos, donde he participado en la construcción y evolución de una práctica de calidad desde sus bases, transformándola en un enfoque más estratégico, temprano y colaborativo. La propuesta muestra cómo combinamos **Shift Left Testing**, pensamiento crítico QA e inteligencia artificial para ampliar cobertura, detectar puntos ciegos, estandarizar procesos, acelerar análisis y fortalecer la automatización. Más que hablar de IA como una solución mágica, presentaré cómo estamos utilizando IA en distintas etapas del proceso de pruebas, siempre con contexto, criterio y una estrategia clara.

En esta charla voy a presentar una herramienta de seguridad ofensiva automatizada con IA para encontrar vectores de ataque iniciales. También veremos EmploLeaks, una herramienta propia para mapear empleados de una empresa objetivo y detectar sus credenciales filtradas en Internet. La idea es entender cómo los atacantes aprovechan el avance de la Inteligencia Artificial para comprometer la infraestructura corporativa.