Cómo usamos la IA a diario en desarrollo y QA
Una mirada práctica a nuestro estudio: qué herramientas de IA usamos, para qué, dónde más tiempo ahorran y las reglas que protegen la calidad y los datos de los clientes.

Creamos productos de IA para clientes y usamos la IA nosotros mismos cada día. No porque esté de moda, sino porque elimina rutina y deja más tiempo para el trabajo que necesita personas: entender el problema, decidir y comprobar la calidad.
Dónde más nos ayuda la IA
| Fase | Cómo usamos la IA | Qué queda en manos de personas |
|---|---|---|
| Análisis | Resúmenes de entrevistas y documentos, borradores de historias de usuario | Prioridades y decisiones de producto |
| Diseño y prototipos | Variantes rápidas de interfaz y borradores de textos | Diseño final y tono de marca |
| Desarrollo | Sugerencias de código, refactorización, explicación de código ajeno | Arquitectura, revisión de cada cambio |
| Pruebas | Ideas de prueba, datos, borradores de automatización, análisis de logs | Evaluación de riesgos, pruebas exploratorias, aprobación |
| Documentación | Primeros borradores de guías y notas de versión | Exactitud y redacción final |
| Soporte | Clasificación y respuestas sugeridas | Todo lo sensible o poco habitual |
Las herramientas
Usamos asistentes de código con IA en el editor y en la línea de comandos, asistentes conversacionales de varios proveedores para análisis y redacción, y agentes de IA que ejecutan pruebas y proponen correcciones en un entorno aislado. Elegimos el modelo según la tarea: uno rápido y barato para la rutina y otro más potente para el razonamiento complejo, el mismo enfoque que recomendamos en nuestra guía para elegir modelo.
Qué cambia para los clientes
- Primeras versiones antes: prototipos y MVP llegan antes, y el feedback también
- Mejor cobertura de pruebas: generar ideas y datos es barato, así que comprobamos más casos límite
- Más tiempo para la calidad: menos rutina, más pruebas exploratorias y revisiones
- Estimaciones honestas: no prometemos que «la IA lo hará todo»; planificamos con cifras reales de nuestro trabajo
Nuestras reglas
- Una persona revisa todo lo que va al cliente o a producción: código, textos, resultados de pruebas.
- Los datos del cliente están protegidos: no pegamos código confidencial ni datos personales en herramientas no aprobadas y seguimos la política de cada cliente.
- Comprobamos los hechos: la IA puede equivocarse con seguridad, así que verificamos cada afirmación y cada detalle de API.
- Medimos: si una herramienta no ahorra tiempo ni mejora la calidad en la práctica, dejamos de usarla.
Un ejemplo de QA
Para una nueva funcionalidad, un asistente de IA redacta en minutos una checklist a partir de la historia de usuario. Un tester quita lo irrelevante, añade los casos de riesgo que el modelo pasó por alto –zonas horarias, envíos dobles, permisos– y convierte la parte estable en pruebas automáticas con ayuda de la IA. Resultado: más cobertura en menos tiempo, con una persona responsable de cada decisión.


