Para TCS, la parte más lenta de una entrega rara vez es escribir el código de la aplicación. El cuello de botella está en lo que viene después: interpretar los requisitos, diseñar los escenarios de prueba, mantener la automatización, preparar los entornos, investigar los fallos y reunir las evidencias para la revisión.
Sus clientes de banca, servicios financieros y seguros necesitan probar más rápido sin perder los controles que exige el sector. La compañía asegura que no pretende sustituir a los ingenieros de calidad, sino quitarles el trabajo repetitivo para que dediquen más tiempo al análisis de riesgos, a las pruebas exploratorias y a decidir cuándo sale una versión.
Cuatro exigencias que marcaron el diseño
Las necesidades de los clientes se tradujeron en cuatro requisitos. Cada prueba debe basarse en el contexto concreto de cada proyecto, no en instrucciones genéricas. Debe cubrir tanto las pruebas de interfaces de programación (API) como las de navegador. Los datos y la base de conocimiento de cada cliente tienen que estar aislados. Y el proceso debe ser repetible, desde la lectura de los requisitos hasta el informe final, para que las mejoras se mantengan entre equipos y versiones.
Por qué no bastaba con la automatización tradicional
La automatización clásica ya acelera la ejecución de las pruebas, pero deja intacto el trabajo lento: crear los escenarios, convertirlos en scripts, mantener los localizadores de elementos y diagnosticar los fallos. Si cambia una historia de usuario, los scripts generados para la versión anterior quedan obsoletos con rapidez. Además, una sola instrucción a un modelo de IA no ofrece el control necesario para un flujo de trabajo de ingeniería con varias etapas.
Un orquestador con agentes especializados
TCS dividió el trabajo en tareas especializadas. Cada tarea tiene su propio agente, con sus herramientas, reglas de validación y contexto. Un supervisor con reglas fijas reparte el trabajo, mientras que un flujo de ejecución controla los reintentos, la clasificación de errores, el guardado de resultados y los informes.
Para ejecutar esos agentes eligió Amazon Bedrock AgentCore, un servicio para construir, conectar y optimizar agentes con cualquier marco de trabajo o modelo. Tres factores pesaron en la decisión. Primero, poder usar el modelo más adecuado para cada tarea, como diseñar escenarios o generar código, y adoptar los nuevos a medida que salgan. Segundo, escalar con la demanda, de modo que muchos testers de distintos clientes trabajen a la vez sin que TCS tenga que gestionar servidores. Tercero, ejecutar cada sesión en su propia microVM aislada, lo que separa las sesiones de cada cliente sin que TCS tenga que construir esa capa por su cuenta.
Cómo fluyen los requisitos hasta la prueba
Los requisitos llegan desde Jira, desde documentos de requisitos de negocio y desde GitLab a una aplicación web para cada cliente, que funciona en Amazon Elastic Kubernetes Service y se protege con Amazon Cognito. Los agentes, creados con el SDK Strands Agents, generan las pruebas, las ajustan junto al tester y gestionan su ejecución.
El objetivo es que el beneficio no dependa de una prueba concreta, sino de un proceso que pueda repetirse en cada cliente y en cada versión. En un sector con controles estrictos, esa repetibilidad pesa tanto como la velocidad.




