¿Cuántos defectos en producción nacen de requerimientos ambiguos? En entornos sin marcos ágiles sólidos, el QA absorbe el impacto analizando variables masivas bajo presión. Para resolver este cuello d… Ver más

¿Cuántos defectos en producción nacen de requerimientos ambiguos? En entornos sin marcos ágiles sólidos, el QA absorbe el impacto analizando variables masivas bajo presión. Para resolver este cuello de botella en el SDLC, se propone un enfoque Shift-Left con arquitecturas de agentes de IA agnósticas para agentes de IDE, automatizando el refinamiento autónomo de especificaciones y liberando al equipo de tareas repetitivas. Se presentará una demo usando Antigravity, en tiempo real de un equipo sintético (2 agentes y 1 orquestador) refinando un backlog técnico. Se desglosarán los siguientes ejes: -Diseño Multi-Agente: Descomposición de problemas de QA en modelos jerárquicos y atómicos versus orquestadores centralizados. -Flujos avanzados:Protocolos de handoff, gestión de dependencias secuenciales y validaciones cruzadas anti-alucinaciones. -Gobernanza: Integración del patrón Human-in-the-loop (HITL) y métricas de rendimiento para evitar la degradación de las habilidades (skills). -Buenas prácticas Estructuración escalable del contexto (límites de líneas, uso de `anchor` y jerarquías .md). Al finalizar, los asistentes sabrán diseñar, desplegar y evaluar sistemas de agentes autónomos para QA sin frameworks complejos. Obtendrán el criterio arquitectónico para agentizar tareas analíticas multivariable, mitigando riesgos tempranamente y asegurando la consistencia técnica ante la incertidumbre metodológica. Sobre Leticia Gainza: Sr. QA Engineer Manual & Automation, certificada por ISTQB, especializada en calidad preventiva, automatización y adopción profesional de inteligencia artificial. Cuenta con más de 7 años de experiencia diseñando estrategias de calidad para productos fintech, plataformas cloud, microservicios y soluciones basadas en datos. Su experiencia incluye verificaciones funcionales y no funcionales, con foco en rendimiento, seguridad y confiabilidad. Su trabajo se enfoca en una pregunta concreta: cómo transformar actividades complejas de análisis y validación en sistemas más confiables, medibles y escalables. Actualmente desarrolla arquitecturas multiagente, evaluación de sistemas de IA y automatización inteligente para potenciar procesos de QA con trazabilidad y escalabilidad. Además, participa activamente en la comunidad tecnológica compartiendo metodologías, prácticas de QA y marcos de adopción profesional eficiente y ético de IA. Ver menos