Blog

¿Sigue siendo la calidad el gran desafío de los desarrollos de software?

¿Sigue siendo la calidad el gran desafío de los desarrollos de software?

Mantener la calidad del software desde su desarrollo, chequeándolo y confirmando que es robusto para evitar problemas a posteriori, ha sido siempre uno de los grandes retos del sector. La presión por generar nuevas herramientas, aplicaciones o productos puede llevar a que estas tengan un código deficitario o en mal estado; lo que a corto plazo parece un beneficio, a la larga puede convertirse en una pesadilla. En los últimos años, la irrupción de la inteligencia artificial generativa ha puesto patas arriba la industria, al incrementar significativamente la productividad y acortar el tiempo de llegada al mercado. Pero más no siempre es igual a mejor, una constante que se viene comprobando en el sector desde hace ya años, y con una herramienta que permite generar código de forma automática, el reto de la calidad toma una nueva vigencia.

Así, la calidad se mantiene como una de las principales prioridades en los equipos de desarrollo, hasta el punto de escalar como preocupación hasta un nivel directivo, según recoge un reciente informe sobre el tema de la compañía Sembi. Se observa además que, pese a que los ciclos de lanzamiento se están acelerando, los procesos para garantizar la calidad y la seguridad no siempre van al mismo ritmo.

La situación tiene distintas aristas. “La calidad del software actual presenta una paradoja interesante”, analiza Jairo García, docente de EAE Business School. “Por un lado, ha mejorado notablemente la capacidad de entregar productos funcionales en plazos muy reducidos”, pero “la presión por reducir el time-to-market suele priorizar la velocidad de entrega frente a aspectos como la mantenibilidad, la escalabilidad o la sostenibilidad técnica. Como consecuencia, muchos sistemas funcionan correctamente en sus primeras fases, pero comienzan a mostrar problemas a medida que crecen, incorporan nuevas funcionalidades o aumenta su volumen de usuarios y datos”. De ahí la paradoja: “Hoy somos mucho más eficientes construyendo la primera versión de un producto, pero seguimos teniendo dificultades para mantener su calidad a largo plazo”.

Para David Pereira, responsable de Quality Engineering & Testing en Sogeti España (Capgemini), sí se ha experimentado una mejora clara, aunque también incluye matices. “La calidad que se hace hoy en día es ‘mejor’ que la calidad de que se hacía hace cinco años, estamos en un entorno de calidad cada vez más especializado y profesionalizado, pero al mismo tiempo también creo que estamos en un entorno más frágil o sensible”. Habla de un “momento de recalibración” de la industria, en una visión similar a la de García: “La presión por poner software en producción es asfixiante y eso nos obliga a adaptar el concepto de calidad: ya no buscamos solo que el software no falle, sino que sea resiliente, confiable o seguro”.

Para desarrollar un código de calidad conviene tener en cuenta distintos aspectos, tanto a nivel técnico como de organización. Entre los factores que influyen, los entrevistados destacan el diseño y la arquitectura de las soluciones, la simplicidad del código generado, la cobertura de pruebas unitarias y gestión de dependencias y el uso de estándares corporativos y buenas prácticas, el liderazgo técnico o la experiencia del equipo. Precisamente esa última se relaciona con el terreno organizacional, origen de muchos problemas de calidad para García, como son la existencia de plazos poco realistas, cambios continuos de requisitos, falta de alineación entre negocio y tecnología o una cultura que prioriza únicamente la velocidad. “La calidad del software es, en gran medida, un reflejo de la calidad de la organización que lo desarrolla”.

Cuando se trata de las tendencias que han impactado en este escenario, ambos portavoces distinguen una clara: la inteligencia artificial. El efecto de esta herramienta —o conjunto de herramientas— se nota tanto en la creación como en el control del código: un 53 % del código propio según la encuesta de Sembi es ya generado o asistido por herramientas generativas, pero también se detecta un incremento de moderado a dramático en la demanda de pruebas de calidad debido a estas prácticas. Otro informe, este de la firma Applause, revela un aumento significativo en la adopción de IA en la parte de testing, que pasa de ser utilizada por un 32 % de participantes al 60 % en un año. Igualmente, crece la preocupación por realizar pruebas de calidad a lo largo de todo el ciclo de vida del desarrollo de software, frente a la tendencia anterior de limitarse a una única fase.

“No cabe duda”, apunta García, “que ha sido la IA quién finalmente ha cambiado este escenario”. Aún reconociendo el impacto de otras tendencias tecnológicas, como la metodologías Agile, DevOps, la tecnología cloud o la automatización, el profesor de la EAE explica que esta tecnología ha habilitado soluciones más flexibles y escalables, pero también ha multiplicado el número de componentes, dependencias e interacciones que deben estar bajo control. “El reto ya no es desarrollar una aplicación, sino gobernar ecosistemas tecnológicos cada vez más complejos”, sintetiza. Pereira se centra en la IA generativa, que se está convirtiendo en “una palanca de eficiencia fundamental en el proceso de desarrollo de software, aunque todavía existe mucha reticencia por miedo a los riesgos de seguridad”.

“Las herramientas de IA generativa están incrementando de forma muy significativa la productividad” —apunta García—, especialmente en tareas repetitivas, generación de código base, documentación o pruebas. Sin embargo, la IA todavía no sustituye el criterio técnico, la experiencia arquitectónica ni la visión de largo plazo que aporta un profesional experimentado”. De ahí que “la IA no debe verse como un sustituto del desarrollador, sino como una herramienta que amplifica sus capacidades”.

“Estoy convencido que la IA es un compañero de viaje que nos ayuda y potencia las nuestras capacidades, pero también creo que no hace magia”, recapacita Pereira. La tecnología no hace sino intensificar la forma de trabajar, razona. Si el proceso de ingeniería de desarrollo o calidad es bueno, así será el resultado de la aplicación de la IA, mientras que cuando hay vicios y mala praxis, esta los potenciará. “Si dejas que una IA genere código sin supervisión experta, estás creando una deuda técnica acelerada”.

Precisamente uno de los principales desafíos en el desarrollo de software sigue siendo la existencia de deuda técnica. Ese costo futuro debido a que en el momento de escribir el código se optó por soluciones más rápidas, pero menos fiables, o porque se decidió tomar algún atajo. Un costo que se manifiesta en la dificultad para escalar o para mantener el código, unas arquitecturas rápidamente obsoletas, la dependencia de tecnologías antiguas o procesos manuales, como enumera García. “Existe una mayor conciencia sobre su impacto que hace unos años, especialmente entre los equipos técnicos. Sin embargo, en muchas organizaciones sigue siendo difícil justificar inversiones para reducirla porque sus costes aparecen de forma gradual”. “Es habitual que la deuda técnica se posponga hasta que se convierte en un problema de negocio”, resume. Los productos hijos de esos desarrollos pueden llegar antes al mercado y funcionar en un primer momento, “pero con el tiempo cada cambio se vuelve más caro, más lento y más arriesgado. La capacidad de innovación disminuye porque gran parte del esfuerzo se destina a resolver problemas heredados”. El resultado: costes económicos y reputacionales difíciles de gestionar.

Ambos portavoces reconocen una positiva evolución en la cultura de pruebas y testing, que puede evitar llegar a ese punto. Pereira habla de “una transición frenética y fascinante. El concepto de ‘testear el software’ se nos ha quedado pequeño. Ahora hablamos de quality engineering”. Ese cambio de concepto hace que el proceso no se limite a buscar fallos antes de salir a producción, sino a querer adelantarse a los problemas e ir de la mano del negocio en todos los eslabones de la cadena. “La cultura está evolucionando hacia un modelo donde el ingeniero de calidad es un consultor de confianza que asegura que la tecnología entrega el valor que el negocio necesita y espera”, sintetiza. Para García esta “probablemente sea una de las evoluciones más positivas de los últimos años”, con la integración del testing dentro del ciclo de desarrollo en las organizaciones más maduras, gracias a enfoques como shift left testing. “Además, la IA está teniendo un impacto especialmente positivo en este ámbito”, señala, aduciendo que su uso en testing “aporta enormes ventajas con riesgos mucho más controlados”. “De hecho, probablemente estemos ante uno de los casos de uso de IA con mayor retorno inmediato dentro del desarrollo de software”, al permitir escalar el esfuerzo de validación del nuevo código. No obstante, insiste: “Sigue siendo imprescindible combinar la automatización con criterio humano para validar aspectos funcionales complejos, reglas de negocio y la experiencia real del usuario”.

Referencias

• Ramos Domínguez, María. 2026 junio 22. ¿Sigue siendo la calidad el gran desafío de los desarrollos de software? Computerworld. Obtenido de: https://www.computerworld.es/article/4187672/sigue-siendo-la-calidad-el-gran-desafio-de-los-desarrollos-de-software.html

Sobre el autor

MSc. Ing. Carlos del Porto Blanco

Ingeniero y académico con una destacada trayectoria en el ámbito de la informática y la educación superior. Graduado en 1983 como ingeniero en Sistemas Automatizados de Dirección por la Universidad Tecnológica de La Habana José Antonio Echeverría (Cujae), ha dedicado más de cuatro décadas a la docencia, la investigación y la divulgación científica. A lo largo de su carrera ha ocupado diferentes categorías docentes, alcanzando la condición de Profesor Auxiliar en la Cujae —ratificada en 2020— y desempeñándose también como profesor en la Universidad de Guadalajara y el Instituto Superior de Relaciones Internacionales. Su labor docente abarca una amplia gama de asignaturas relacionadas con la arquitectura de computadoras, sistemas operativos, programación y ciberseguridad, evidenciando una sólida formación técnica y pedagógica. En el ámbito internacional, ha impartido cursos en Argentina y Bolivia, incluyendo formación en arquitectura de microprocesadores, teleinformática e inteligencia artificial en programas de maestría. Su contribución a la formación de profesionales incluye la tutoría de más de 25 tesis de ingeniería y la participación como oponente en programas de posgrado. Su producción intelectual es especialmente notable, con más de 790 artículos publicados en medios académicos y de divulgación, así como una activa participación en eventos científicos y conferencias magistrales. Además, ha extendido su impacto más allá del ámbito académico como analista en programas televisivos y asesor en producciones audiovisuales. Actualmente, se desempeña como Profesor Auxiliar en la Cujae y en el Instituto Superior de Relaciones Internacionales, consolidando una carrera caracterizada por la combinación de rigor académico, vocación docente y compromiso con la divulgación del conocimiento tecnológico.
Ver perfil del autor arrow_forward