Imagina que estás construyendo una ciudad masiva y siempre cambiante hecha de cristal y luz. Cada día, los arquitectos añaden nuevas torres, los pintores cambian los colores de las ventanas y los ingenieros reemplazan las puertas. Esta ciudad es una aplicación móvil, y las personas que viven allí son millones de usuarios. Para asegurar que la ciudad no colapse, necesitas caminar por cada calle, abrir cada puerta y revisar cada ventana para ver si todavía funciona. Esto se llama "pruebas" (testing). Pero aquí está el problema: la ciudad cambia tan rápido que, para cuando terminas de revisar una calle, los arquitectos ya la han reconstruido. Si intentas escribir una lista de verificación estricta y robótica para cada una de las puertas, en el momento en que un pintor cambie un pomo, tu lista de verificación se romperá y tendrás que reescribirla desde cero. Este es el sueño de la pesadilla del testing tradicional de aplicaciones: es lento, frágil y requiere ejércitos de personas para arreglar constantemente las listas de verificación rotas.

Entra la idea de un "detective de IA". En lugar de un robot que solo sabe exactamente dónde debe estar un pomo, imagina a un detective que entiende para qué sirve un pomo. Si el pomo se mueve, el detective no entra en pánico; simplemente busca la cosa que abre la puerta y sigue caminando. Este artículo, escrito por ingenieros de Uber, presenta un nuevo sistema llamado DragonCrawl. Utiliza una inteligencia artificial superinteligente (un Modelo de Lenguaje Extenso o LLM) para actuar como ese detective. En lugar de memorizar un mapa rígido, DragonCrawl lee la aplicación como lo hace un humano: mira la pantalla, entiende el objetivo (como "reservar un viaje") y deduce el siguiente paso por su cuenta. El artículo muestra que este enfoque es mucho más rápido, barato y menos propenso a romperse cuando la aplicación cambia, permitiendo a la empresa probar miles de escenarios diferentes automáticamente cada vez que actualizan su aplicación.

La vieja forma vs. La nueva forma

Antes de DragonCrawl, Uber intentó un método llamado DragonCrawl V1. Piensa en esto como un estudiante tratando de resolver un laberinto memorizando una sola foto del camino. Si el laberinto se veía exactamente como la foto, el estudiante podía recorrerlo. Pero si las paredes se movían aunque fuera un poco, o si el estudiante veía el mismo pasillo dos veces en diferentes partes del laberinto, se confundía y caminaba en círculos. Este sistema funcionaba bien para tareas simples, pero fallaba estrepitosamente cuando las tareas se volvían complicadas. Era como intentar navegar por una ciudad mirando únicamente un mapa estático; tan pronto como la ciudad crecía, el mapa era inútil.

La nueva versión, DragonCrawl V2, es un cambio de juego total. En lugar de un mapa estático, utiliza un cerebro "generativo". Imagina a un guía turístico que nunca ha estado en tu ciudad pero sabe cómo funcionan las ciudades. Le dices al guía: "Quiero ir al aeropuerto", y él observa la calle actual, las señales de tráfico y la gente a su alrededor para decidir: "Bien, giraré a la izquierda aquí". Si las señales de la calle cambian, el guía no se detiene; simplemente mira las nuevas señales y sigue adelante. Así es como funciona DragonCrawl V2. No solo coincide con imágenes; razona sobre qué hacer a continuación basándose en el objetivo y en lo que ve en ese momento.

Cómo funciona realmente

El sistema se basa en algunos trucos ingeniosos que lo hacen sentir casi humano:

1. El cerebro basado en la intención: En lugar de un guion que diga "Haz clic en el botón A, luego haz clic en el botón B", los ingenieros escriben una frase sencilla: "Reservar un viaje desde el centro hasta el aeropuerto". La IA lee este objetivo y luego observa la pantalla. Se pregunta a sí misma: "Veo un mapa y un cuadro de '¿A dónde van?'. Para lograr mi objetivo, debo tocar el cuadro". Hace esto paso a paso, recordando todo lo que ha hecho hasta ahora, para no perderse en un bucle.
2. El detective visual: Cuando la IA cree haber terminado la tarea, no se limita a marcar una casilla de verificación para ver si apareció una palabra específica. En su lugar, toma una "captura de pantalla" y le pregunta a una IA superinteligente (GPT-4o): "¿Esta imagen parece una reserva de viaje exitosa?". La IA observa la imagen, ve el recibo o el mensaje de confirmación y dice: "¡Sí, lo logramos!". Esto es mucho más difícil de romper porque no le importa si el botón se movió o si el texto cambió de "Confirmar" a "Aceptar".
3. El viajero en el tiempo (Llamada a herramientas): A veces, para probar una función, necesitas configurar una situación ficticia. Por ejemplo, para probar si un conductor es aprobado, necesitas fingir que acaba de subir su identificación. En los viejos tiempos, esto era una pesadilla. DragonCrawl ahora puede hablar directamente con los "bastidores" de la aplicación. Puede decir: "Oye, finge que este conductor acaba de ser aprobado", y el sistema cambia instantáneamente el estado para que la prueba pueda continuar. Es como un director gritando "¡Corte!" y cambiando instantáneamente la escena para los actores.

Los resultados: Más rápido, más inteligente y más barato

Los números en el artículo son bastante impresionantes. Antes de este nuevo sistema, crear una prueba para una sola función le tomaba a los ingenieros entre 96 y 120 horas (¡eso es semanas de trabajo!). Con DragonCrawl V2, pueden configurar una prueba en menos de 4 horas. Es una aceleración masiva.

Debido a que es mucho más rápido de configurar, el equipo pudo aumentar sus pruebas de solo 48 pruebas a 1,013 pruebas. Ejecutan estas pruebas automáticamente cada vez que alguien cambia el código. El sistema es increíblemente confiable: pasa el 91.6% de las veces en iPhones y el 92.2% en Androids. Este es un gran salto respecto al sistema anterior, que solo pasaba aproximadamente el 80% de las pruebas simples y fallaba completamente en las complejas.

El artículo también destaca un beneficio sorprendente: el costo. Aunque usar una IA superinteligente cuesta dinero por cada pregunta que responde, el sistema en realidad le ahorra una fortuna a la empresa. Al automatizar el trabajo que antes tomaba semanas a los humanos, estiman un ahorro de 27 años de desarrollo de esfuerzo. Eso es como tener 27 personas extra trabajando durante un año entero, simplemente dejando que la IA haga el trabajo pesado.

Por qué esto es importante para todos

Podrías preguntarte: "¿Por qué debería importarme si una empresa prueba mejor su aplicación?". Bueno, piensa en la última vez que intentaste usar una aplicación que se cerraba inesperadamente o que no te dejaba comprar algo. Eso sucede usualmente porque la aplicación cambió y las pruebas no detectaron el error. DragonCrawl ayuda a prevenir eso. Asegura que cuando abras la aplicación, los botones funcionen, los pagos se realicen y el viaje se reserve, sin importar el idioma que hables o en qué ciudad te encuentres.

El artículo también señala un cambio en las personas que realizan el trabajo. En lugar de ser "hacedores de clics" que solo siguen un guion, los testers ahora se están convirtiendo en "directores de orquesta" que enseñan a la IA cómo pensar. Pasan menos tiempo arreglando pruebas rotas y más tiempo construyendo nuevas funciones. Convierte el testing de una tarea aburrida y repetitiva en un trabajo creativo y estratégico.

Los límites y el futuro

Por supuesto, el artículo es honesto sobre lo que DragonCrawl aún no puede hacer. Depende de un servicio de IA externo, lo que significa que si ese servicio cambia sus reglas o deja de funcionar, las pruebas se detienen. También cuesta dinero ejecutarlo, por lo que las empresas más pequeñas podrían no poder permitírselo por ahora. Y aunque es excelente siguiendo un camino, no es perfecto; a veces puede tomar una ruta ligeramente distinta a la prevista, aunque el sistema está diseñado para detectar estos errores.

Pero la conclusión principal es clara: la vieja forma de probar aplicaciones —escribir guiones rígidos y frágiles— está chocando contra un muro. Las aplicaciones son demasiado complejas y cambian demasiado rápido. DragonCrawl demuestra que, al usar la IA para entender la intención en lugar de solo los píxeles, podemos construir un futuro donde las aplicaciones se prueben de manera más exhaustiva, más rápida y con menos dolores de cabeza. No es solo una mejor herramienta; es una nueva forma de pensar sobre cómo nos aseguramos de que nuestro mundo digital funcione.