Un nuevo extracto del libro de McKinsey arroja luz sobre un cambio en la forma en que los bancos diseñan, prueban y validan el software, desde apoyar a los desarrolladores de IA hasta ejecutar activamente grandes partes del ciclo de vida de desarrollo y prueba.
Dentro de las instituciones financieras, esta transición ya no es teórica. El modelo descrito representa entornos donde la entrega, validación y evaluación de riesgos de software son continuas, con sistemas de IA que generan no solo código, sino también evidencia, cobertura de pruebas y señales de control para respaldarlo.
Para los equipos de control de calidad y pruebas de software, las implicaciones van más allá de la productividad. El cambio está cambiando la forma en que se aborda la calidad, cómo se identifican los riesgos y cómo se mantiene la resiliencia en sistemas cada vez más complejos impulsados por la IA.
«Si la Generación AI tiene una aplicación excelente, es el desarrollo de software, uno de los cambios más profundos en la historia de la programación», según el libro que lleva el título. Rewired: Manual de estrategias de McKinsey sobre cómo los líderes empresariales ganan con la tecnología y la inteligencia artificial.
Ese cambio ya está ocurriendo en un importante banco de importancia sistémica en todo el mundo, donde «equipos de agentes de IA, casi un centenar de ellos, acaban de terminar su turno, pasando la noche perfeccionando un nuevo sistema de pago transfronterizo, probando rutas de falla y enviando actualizaciones a un ritmo inigualable por equipos humanos».
Para los equipos de pruebas del banco, el detalle que destaca no es sólo acelerar el desarrollo, sino incorporar las pruebas a ese proceso.
Por la mañana, los ingenieros reciben una «pila perfectamente organizada de solicitudes de extracción, pruebas de prueba e indicadores de riesgo generadas por IA: más progreso en 12 horas de lo que un equipo tradicional puede lograr en un mes», según el libro.
Las pruebas, en este modelo, son continuas, automatizadas e inseparables del desarrollo. Además de generar código de IA, también produce los artefactos de validación necesarios para evaluar la calidad y la seguridad.
«Si la Generación AI tiene una aplicación excelente, es el desarrollo de software, uno de los cambios más profundos en la historia de la programación».
– Libro de McKinsey
También se está modificando el ritmo tradicional de entrega de software. En lugar de ciclos de sprint fijos, el modelo representa un ciclo continuo de desarrollo, prueba y validación.
«El desarrollo de software se convierte en un ciclo continuo y de alta velocidad, en lugar de un ciclo acelerado de dos semanas», escribieron los autores del libro.
Los agentes de IA son cada vez más responsables de ejecutar flujos de trabajo complejos a lo largo del ciclo de vida, incluyendo «generar evidencia, realizar controles legales y cibernéticos, probar contrafactuales y sugerir y tomar decisiones».
Para las instituciones financieras, esto introduce un nuevo paradigma en el que las pruebas se expanden más allá de la validación funcional a áreas como el cumplimiento, la seguridad y las pruebas de riesgo basadas en escenarios, todo en el mismo circuito automatizado.
El auge de la «fábrica» de pruebas de IA.
En el centro de esta transformación se encuentra el concepto de una fábrica de pruebas y desarrollo impulsada por IA, donde múltiples agentes especializados gestionan diferentes aspectos de la entrega y validación del software.
En este modelo, «los agentes de prueba crean y ejecutan nuevos conjuntos de pruebas; los agentes de control de calidad identifican regresiones; los agentes de seguridad buscan vulnerabilidades o secretos filtrados; los agentes de rendimiento comparan rutas críticas».
Para los bancos, esto introduce un modo de pruebas industrializadas a escala, donde la validación es continua y profundamente integrada en los canales de entrega. Al mismo tiempo, plantea nuevas preguntas sobre la gobernanza, la trazabilidad y la confiabilidad de los resultados de las pruebas generadas por IA.
Una capa de orquestación coordina estas actividades, asegurando que las fallas se resuelvan automáticamente. «Si la prueba falla, dirige el trabajo a un agente de reparación; si el rendimiento se degrada, llama a un agente de verificación del rendimiento; si se viola una política, detiene el flujo de trabajo».
El análisis de McKinsey de casi 300 empresas sugiere que los beneficios de la IA en el desarrollo de software están fuertemente vinculados a qué tan bien está integrada durante todo el ciclo de vida, incluidas las pruebas.
Los de mejor desempeño están «logrando mejoras del 16 al 30 por ciento en productividad, tiempo de comercialización y experiencia del cliente, junto con ganancias del 31 al 45 por ciento en la calidad del software».
Sin embargo, los hallazgos también enfatizan que las herramientas por sí solas no son suficientes. «Dar herramientas de IA a los desarrolladores no mueve la aguja de manera sensata».
En cambio, las organizaciones líderes «implementan múltiples casos de uso de desarrollo de IA que abarcan la ideación, los requisitos, el diseño, la codificación, las pruebas, la implementación y las operaciones», incorporando pruebas y garantía de calidad en cada etapa.
Para los equipos de control de calidad, esto refuerza la necesidad de evolucionar junto con las prácticas de desarrollo, garantizando que los marcos de validación puedan seguir el ritmo de la entrega impulsada por la IA.
El juicio humano como capa final de control
A medida que los agentes de IA asumen una mayor carga de trabajo de ejecución, el papel de los ingenieros y evaluadores humanos cambia hacia la supervisión, la gobernanza y el control de calidad.
«Los desarrolladores pasan de escribir cada línea de código a supervisar la creación, validar la arquitectura y gestionar la calidad».
Dentro del modelo agente-fábrica, los humanos actúan como el «editor jefe de la fábrica», revisando los resultados, identificando problemas y asegurando la alineación con los resultados previstos.
Esto es particularmente importante en los servicios financieros, donde las expectativas regulatorias en torno a la validación, la explicabilidad y la resiliencia operativa de los modelos siguen siendo altas.
«El desarrollo de software se convierte en un ciclo continuo y de alta velocidad, en lugar de un ciclo de velocidad de dos semanas».
– Libro de McKinsey
Los resultados generados por IA, incluidos los artefactos de prueba, requieren una estricta supervisión humana para garantizar que cumplan con los estándares técnicos y regulatorios.
Si bien las ganancias son significativas, con el potencial de «velocidad 10 veces mayor a la mitad del costo» y «apalancamiento 20 veces mayor», el modelo se basa en una base sólida de ingeniería y pruebas.
Los agentes de IA requieren flujos de trabajo bien definidos, historias de usuario claras y criterios de aceptación «inequívocos», así como un contexto de sistema específico, como diagramas arquitectónicos, contratos API, modelos de datos, límites de servicios y expectativas operativas.
Sin esta estructura, la eficacia de las pruebas y el desarrollo impulsados por la IA se desmorona rápidamente. «No se puede ‘conversar a tu manera’ con software de producción», escribieron los autores.
Para los bancos, el mensaje es claro. La transformación del desarrollo de software impulsada por la IA consiste en fortalecer la disciplina, la gobernanza y la resiliencia de las pruebas, en lugar de acelerar la entrega.
¿Por qué no suscribirse a QA Financial?
Es completamente GRATIS
* Reciba nuestro boletín semanal todos los miércoles * Obtenga invitaciones prioritarias a nuestros eventos del Foro *
REGÍSTRESE AQUÍ HOY
REGULACIÓN Y CUMPLIMIENTO
¿Busca más noticias sobre las regulaciones y los requisitos de cumplimiento que impulsan el desarrollo de la ingeniería de calidad del software en las empresas financieras? Visita nuestro dedicado Página de regulaciones y cumplimiento aquí.
LEER MÁS
MIRAR AHORA
PODCASTS DE FINANZAS DE CALIDAD
