Existe una sensación específica en las salas de proyecto cuando alguien pregunta "¿pero qué exactamente necesitamos probar?". Es silencio. No el silencio de quien está pensando, sino el silencio de quien no tiene respuesta y esperaba que otra persona la tuviera. El tester mira al PO. El PO mira al dev. El dev mira el documento de requisitos que tiene tres versiones y ninguna es la final.
Durante años, ese silencio fue el síntoma más honesto de un proceso con problemas. Exponía que nadie había definido qué significaba "aprobado".
La IA resolvió ese problema. No respondiendo la pregunta. Llenando el silencio.
El silencio que se convirtió en documento
Cuando pegas una especificación en Copilot y pides "genera criterios de aceptación para este flujo", la respuesta llega en segundos. Formateada. Numerada. Con escenarios positivos y negativos. Con lenguaje técnico preciso.
Parece un entregable profesional. Y a veces lo es.
El problema es cuando no lo es. Cuando la especificación que pegaste era ambigua, incompleta o simplemente desactualizada, la IA no te avisa. Rellena los huecos con suposiciones que tienen sentido desde el punto de vista del código, pero no desde el punto de vista del negocio.
La IA no te dice lo que no sabes preguntar. Te da una respuesta que parece suficientemente completa para que no preguntes más.
El tester lee los criterios, los encuentra bien, ejecuta los tests, todo pasa. El flujo va a producción. Y el bug aparece no porque el código estuviera mal. Sino porque el criterio que debía capturarlo nunca existió.
Lo que la IA no puede inventar
Los criterios de aceptación tienen dos componentes. Uno técnico: lo que el sistema hace. Uno de negocio: lo que el sistema necesita hacer para esa persona, en ese contexto, en esa empresa.
El componente técnico la IA lo domina bien. Dado un flujo de Power Automate, puede identificar caminos, condiciones y excepciones esperadas.
El componente de negocio no está en el código. Está en la cabeza de la gerente de RR.HH. que va a usar ese flujo cada lunes. Está en el comportamiento del usuario que va a completar el formulario en el celular con conexión inestable. Está en la excepción que ocurre una vez por trimestre y que el cliente considera crítica, pero que nadie documentó.
Ese conocimiento no vive en ningún repositorio que la IA pueda leer.
Entonces cuando le pides a la IA que genere criterios sin antes extraer ese conocimiento de las personas correctas, genera lo que puede. Lo que tiene. Y lo entrega con la misma confianza de cuando lo que tiene es suficiente.
Aprobado por el sistema que no entiende el proceso
En entornos Microsoft, el problema tiene una capa extra. Power Automate, Copilot Studio, SharePoint Forms: son herramientas que democratizaron la creación de procesos digitales. Cualquier persona con una licencia M365 puede armar un flujo.
Y puede probar ese flujo con la ayuda de Copilot.
Lo que nadie vio venir: cuando quien creó el flujo es quien le pidió a la IA que generara los criterios de prueba, los puntos ciegos se multiplican. La IA aprende de lo que el creador provee. Si el creador no vio un edge case, la IA tampoco lo va a ver.
El resultado es un ciclo cerrado que se autoconfirma. El flujo pasó las pruebas. Las pruebas fueron generadas por el mismo sistema que generó el flujo. Nadie de afuera miró con los ojos de quien va a usar esto en producción.
Qué hacer antes de pedirle a la IA que escriba cualquier cosa
La IA es una herramienta excelente para documentar criterios que alguien ya entiende. El problema empieza cuando se usa para reemplazar el proceso de entender.
Antes de cualquier generación de criterios con Copilot o cualquier otro modelo, algunas preguntas necesitan tener respuesta en lenguaje humano, preferentemente por escrito:
- ¿Quién va a usar este proceso y en qué condición?
- ¿Qué significa "funcionó" para esa persona?
- ¿Cuáles son los escenarios que no pueden fallar, aunque raramente ocurran?
- ¿Qué no debe hacer el sistema, aunque técnicamente pueda?
Con esas respuestas, la IA se vuelve genuinamente útil. Transforma ese entendimiento en criterios estructurados, cubre variaciones que no pensaste, y acelera lo que antes llevaba horas.
Sin esas respuestas, llena el silencio. Y el silencio, como siempre, tiene un costo.
El punto
La pregunta no es si tu equipo usa IA para QA. Es si tu equipo sabe qué está probando antes de pedirle a la IA que escriba el test.
Si la respuesta es "más o menos", no tienes un problema de herramientas. Tienes el mismo problema de siempre, solo que ahora está muy bien documentado.
¿Quieres continuar esta conversación? La newsletter de MacarenoNet trae cada semana una lectura así: sin hype, sin manual, solo lo que importa.
Fuentes
- Batch testing for prompts (preview) - Microsoft Learn
- Using Microsoft Copilot for Microsoft 365 to Generate Manual Test Cases from User Stories - NashTech Blog
- Microsoft Copilot + Power Automate: Business Use Cases in 2026 - The Sunflower Lab