NOTICIAS

José Luis Antón: “El objetivo de Sogeti es maximizar el impacto de la IA generativa dentro de los procesos de calidad y desarrollo”



Dirección copiada

El responsable de Sogeti España responde a varias cuestiones relacionadas con la inteligencia, el testing y la calidad del software

Publicado el 8 nov 2024

Rufino Contreras

Redactor Jefe



José Luis Antón, Responsable Sogeti España horizontal

El 68% de las organizaciones están utilizando IA generativa en sus procesos de calidad. ¿Cómo está integrando Sogeti estas tecnologías en su trabajo diario?

Este dato es tremendamente revelador, que el 68% de las organizaciones esté adoptando la IA generativa para optimizar sus procesos de calidad, demuestra el potencial transformador de esta tecnología en diversos sectores.

En Sogeti, estamos integrando tecnologías de IA generativa en varias áreas para optimizar procesos y mejorar la calidad de los entregables. Estas aplicaciones incluyen la generación automática de código y documentación, pruebas automatizadas con generación de casos de prueba inteligentes, y herramientas de soporte para atención al usuario que permiten respuestas más rápidas y personalizadas. En el análisis de datos avanzados y en la mejora de procesos de control de calidad, lo que ayuda a identificar errores y optimizar el rendimiento de los sistemas antes de que lleguen al cliente final. Esto nos permite el detectar y corregir problemas relacionados con la calidad de forma más precisa y rápida, lo que en última instancia mejora la experiencia del cliente y reduce los costes de mantenimiento de aplicaciones.

Todo esto lo hacemos a partir de nuestra propia solución, Gen AI Amplifier, una plataforma diseñada para ayudar a las organizaciones a implementar y optimizar tecnologías de inteligencia artificial generativa en sus operaciones diarias. Gen AI Amplifier pone foco en: automatización de pruebas y generación de código, optimización de procesos de calidad, asistencia en creación de contenidos (documentación, guías de usuario y otros contenidos relevantes), análisis de datos avanzado, prototipado rápido y personalizado.

El objetivo principal de esta plataforma es maximizar el impacto de la IA generativa dentro de los procesos de calidad y desarrollo, reduciendo el tiempo y el esfuerzo invertido en tareas manuales y repetitivas, y permitiendo que los equipos se enfoquen en áreas de innovación y valor agregado.

¿Cuáles son las ventajas más significativas que han observado al incorporar la IA generativa en el testing y la ingeniería de calidad?

Ha traído grandes ventajas, mejorando tanto la eficiencia como la precisión en áreas críticas, a partir de la automatización de tareas repetitivas generando automáticamente casos de prueba, documentación y reportes, liberando a los ingenieros de calidad para que se enfoquen en tareas más estratégicas. Esto se traduce en una aceleración del ciclo de pruebas, permitiendo a los equipos lanzar productos más rápidamente sin comprometer la calidad.

También logramos una mejor cobertura de pruebas generando una mayor cantidad de casos de prueba de manera eficiente lo que se traduce en una reducción del riesgo de errores. Por supuesto, esto impacta directamente en una mejora de la calidad del software, a partir de la detección temprana de defectos identificando patrones y anomalías en los datos, permitiendo su corrección en etapas tempranas del desarrollo, impactando directamente en la mejora de la experiencia del usuario.

La IA generativa está preparada para transformar el trabajo de los ingenieros de calidad, de hecho, hablamos ya de ingeniería de calidad aumentada ya que los ingenieros trabajan en colaboración con la IA para tomar decisiones más informadas y eficientes, permitiendo además delegar tareas rutinarias, como la creación de casos de prueba y la revisión de códigos, a sistemas automatizados

JOSÉ LUIS ANTÓN, SOGETI

Una ventaja intrínseca clave es la reducción de errores humanos porque eliminamos tareas repetitivas y mecánicas, lo que resulta en una mayor precisión y confiabilidad en los resultados de pruebas.

Demás esta decir que la utilización de estas tecnologías aporta valor y ayuda a reducir los costes a partir de la automatización de tareas, brindando además una mayor flexibilidad a las organizaciones para adaptarse rápidamente a los cambios en los requisitos y las prioridades del negocio.

¿Cómo prevé que la IA generativa impactará el trabajo de los ingenieros de calidad en los próximos años?

La IA generativa está preparada para transformar significativamente el trabajo de los ingenieros de calidad, de hecho, hablamos ya de ingeniería de calidad aumentada ya que los ingenieros trabajan en colaboración con la IA para tomar decisiones más informadas y eficientes, permitiendo además delegar tareas rutinarias, como la creación de casos de prueba y la revisión de códigos, a sistemas automatizados. Esto liberará tiempo para que los ingenieros puedan enfocarse en actividades estratégicas, como la identificación de riesgos, el análisis de calidad y la optimización de procesos. Entonces, el ingeniero de calidad evolucionará hacia un rol más estratégico ya que la IA asumirá funciones más operativas, y el rol de los ingenieros de calidad cambiará hacia una supervisión estratégica. Actualmente nuestros ingenieros trabajan en colaboración con la IA como “Co-Piloto” de testing, a partir de nuestra plataforma Gen AI Amplifier.

En general, la IA generativa transformará el trabajo de los ingenieros de calidad en una colaboración constante entre la IA y el ingeniero, permitiendo una optimización continua, menos tiempo invertido en tareas manuales y un enfoque en la innovación y la estrategia de calidad.

El informe indica un aumento del 15% en la adopción de tecnologías de automatización en testing. ¿Qué factores cree que han impulsado este cambio?

En mi opinión se debe a que las organizaciones buscan mejorar sus procesos de prueba y adaptarse a un entorno digital cada vez más competitivo, y esto necesita de velocidad, eficiencia, optimizar costes, y mejor calidad para satisfacer de mejor manera la experiencia de usuario.

La necesidad de agilidad y velocidad en el desarrollo son factores claves que han impulsado el cambio, ya que las empresas buscan llevar productos al mercado más rápido. La automatización se ha vuelto crucial para cumplir con tiempos de desarrollo cada vez más ajustados. Si tenemos en cuenta que la complejidad de las aplicaciones y arquitecturas es cada vez mayor, las pruebas manuales se quedan “cortas”, por lo que la automatización nos permite asegurar que los sistemas se prueben en todos los entornos posibles, con una mayor cobertura, y de forma repetitiva si fuera necesario.

Otro punto importante que a veces pasa desapercibido es la escasez de recursos humanos especializados en testing, también ha llevado a las organizaciones a buscar soluciones de automatización.

A medida que el 42% de las organizaciones exploran el potencial de la IA generativa, ¿qué consejos daría a las empresas que aún están en las fases iniciales de esta transición?

Para las organizaciones que están comenzando a explorar el potencial de la IA generativa nuestra recomendación es que se debe realizar una adopción bien planificada para maximizar los beneficios y evitar obstáculos, definiendo unos objetivos claros y específicos, comenzando con algunos proyectos piloto de bajo riesgo y coste que permitan evaluar el rendimiento de la IA generativa en un entorno controlado dentro de la organización. Luego escalar de forma gradual a medida que los proyectos piloto comiencen a mostrar resultados positivos, monitorizando y evaluando continuamente los resultados que permita a las empresas medir la precisión, efectividad y cumplimiento de los modelos, y realizar ajustes conforme los resultados evolucionen.

Un aspecto clave es el de trabajar con expertos y consultores en la materia, justamente porque se está en etapas iniciales. Éstos pueden guiar en la implementación, seleccionar las herramientas adecuadas y transferir conocimientos a los equipos internos.

Sin olvidarnos de que se debe establecer un marco ético y de gobernanza para asegurarse de que los modelos respeten la privacidad, la seguridad y eviten sesgos. Tener un marco ético también ayuda a garantizar que las aplicaciones de IA generativa sean responsables y transparentes. Y el considerar la sostenibilidad en este mundo también, ya que los modelos grandes pueden consumir una gran cantidad de recursos computacionales. Las empresas deben evaluar las implicaciones en términos de costes y sostenibilidad, y considerar el uso de infraestructura que permita reducir la huella de carbono, como el cloud o tecnologías energéticamente eficientes.

¿Qué futuro ve para la ingeniería de calidad en el contexto de la evolución tecnológica actual?

La ingeniería de calidad se perfila como un área profundamente transformadora, especialmente por la inteligencia artificial, la automatización avanzada y el análisis de datos, por lo que su futuro, desde mi punto de vista, se vislumbra cada vez más prometedor y desafiante.

Se beneficiará cada vez más de la automatización integral, donde sistemas de IA y machine learning (ML) supervisarán y ejecutarán procesos de testing sin intervención humana. El concepto de “pruebas autónomas” también ganará fuerza, donde la IA no solo ejecutará pruebas, sino que tomará decisiones sobre cuándo y cómo probar en función de los datos y el comportamiento de la aplicación, logrando una adaptación dinámica y continua.

Creo que más allá de garantizar la calidad, los ingenieros de calidad se convertirán en promotores de la innovación, ya que al identificar áreas de mejora y proponer soluciones basadas en datos, impulsarán el desarrollo de productos y servicios más competitivos y adaptados a las necesidades del mercado.

La ingeniería de calidad continuará evolucionando para ser un pilar estratégico y tecnológico, desempeñando un papel crucial en garantizar la fiabilidad, seguridad y excelencia en la experiencia del usuario. Los ingenieros de calidad tendrán que adaptarse a esta era de automatización avanzada y herramientas de IA, asumiendo roles que combinan supervisión tecnológica, análisis de datos y control de calidad en tiempo real. En el futuro, el éxito en la ingeniería de calidad dependerá de la capacidad para integrar tecnología de vanguardia de manera ética, eficiente y en beneficio de una mejor experiencia del usuario final.

Artículos relacionados

Artículo 1 de 5