5 min de lectura

Pruebas de software con IA: TCS recorta 88% el esfuerzo de testing en banca con agentes en Amazon Bedrock AgentCore

Pruebas de software con IA: TCS reduce 88% el esfuerzo de testing en banca con agentes en Amazon Bedrock AgentCore. Lecciones para aplicarlo en tu empresa.

En banca y seguros, escribir código rara vez es lo que frena un lanzamiento. Lo que lo frena es todo lo que viene después: interpretar requisitos, diseñar escenarios, escribir y mantener scripts, investigar fallos y armar la evidencia para auditoría. Tata Consultancy Services (TCS) atacó justo ese cuello de botella con un enfoque de pruebas de software con IA basado en agentes. Según un benchmark interno, el resultado fue una reducción del 88% en el esfuerzo de testing.

El sistema se llama Agentic Test Orchestrator y corre sobre Amazon Bedrock AgentCore. Es una plataforma SaaS multi-tenant que recibe requisitos desde historias de Jira, documentos de negocio (BRD), especificaciones Swagger, carpetas de GitLab o flujos de interfaz capturados. A partir de ahí genera escenarios de prueba, archivos Gherkin y tests ejecutables en Java o Python. Esos tests se ejecutan en Amazon ECS, y los resultados y reportes se guardan y se muestran en una aplicación web por cliente. Un detalle importante: el 88% es una cifra de un benchmark interno, no una auditoría independiente. Conviene leerla como una señal de potencial, no como una promesa de ROI.

IA agéntica en banca: por qué un solo prompt no alcanza

TCS ya usaba automatización tradicional, que acelera la ejecución pero deja intacto el trabajo lento: crear escenarios, convertirlos en scripts, mantener localizadores y diagnosticar fallos. Si cambia una historia de usuario vinculada, los scripts generados antes quedan obsoletos. Y un único prompt a un modelo generativo tampoco da el control que exige un flujo regulado.

Por eso TCS dividió el trabajo en agentes especializados construidos con Strands Agents SDK, cada uno con sus herramientas, reglas de validación y contexto. Hay un agente de generación (escenarios, Gherkin, código y validación) y un agente de chat para refinar con el tester. También hay runtimes para convertir BRD en historias, generar de forma incremental sobre historias de Jira enlazadas y ejecutar las pruebas. Un supervisor determinista enruta el trabajo, y un flujo de ejecución controla reintentos, clasificación de errores, persistencia y reportes.

La elección de AgentCore tuvo tres razones. Permite elegir un modelo distinto para cada agente. Escala con la demanda sin que TCS aprovisione servidores. Y ejecuta cada sesión en su propia microVM, lo que da aislamiento por sesión sin construir esa capa desde cero.

El aislamiento fue un requisito central. La plataforma usa cómputo compartido con datos e identidad separados por cliente. Cada tenant recibe su propio namespace de Kubernetes, user pool de Cognito, clave KMS, bucket S3, tablas DynamoDB y Knowledge Bases. El onboarding es automático y se dispara por eventos con EventBridge y AWS CDK. Además, la recuperación de contexto se filtra por tenant, proyecto y sesión, de modo que el contexto de un banco nunca influye en las pruebas de otro. Como resume Cloud Ninjas, el objetivo no es sustituir a los ingenieros de calidad, sino liberarlos para el análisis de riesgo y las decisiones de lanzamiento.

Cómo aplicar pruebas de software con IA en tu empresa

No hace falta ser TCS para sacar partido de este caso. Estas son las lecciones más transferibles:

  • Mide dónde está el cuello de botella real. Si tu equipo tarda más en traducir requisitos a pruebas y en diagnosticar fallos que en ejecutarlas, ahí está el retorno. Automatizar solo la ejecución ya no mueve la aguja.
  • Divide el flujo en agentes con una sola responsabilidad. Un agente para escenarios, otro para código, otro para validación. Cada uno es más fácil de evaluar, sustituir y mejorar que un prompt gigante.
  • Deja la orquestación en manos de código determinista. Reintentos, clasificación de errores y persistencia no deberían depender de la «creatividad» de un modelo. En sectores regulados, esa previsibilidad es lo que permite auditar.
  • Ancla la generación en el contexto de cada proyecto. Indexa requisitos, especificaciones y código de referencia, y filtra la recuperación por proyecto. Sin esto, obtienes pruebas genéricas y poco fiables.
  • Diseña el aislamiento desde el día uno. Si das servicio a varias unidades de negocio o clientes, separa identidad, claves y datos. Es más barato que corregirlo después. El caso de Octave y su base multi-tenant segura en Amazon Bedrock sigue una lógica parecida.
  • Mantén al humano en el circuito. El agente de chat de TCS existe para que el tester refine lo generado. La IA propone, el ingeniero decide.
  • Cuándo tiene sentido y qué vigilar

    El momento adecuado llega cuando tienes requisitos razonablemente estructurados (historias, especificaciones de API) y ciclos de lanzamiento donde las pruebas son el factor limitante. Si tus requisitos son ambiguos o están dispersos, empieza por ordenarlos: la IA amplifica la calidad del insumo, buena o mala.

    También conviene complementar la generación con evaluación continua. AWS publicó una arquitectura de referencia para plataformas agénticas sobre AgentCore que incluye un pipeline de CI/CD de evaluación que bloquea cada agente antes de producción. Es una buena práctica para cualquier equipo que quiera confiar en agentes que generan código. Para el lado de interfaz, Epsilon combinó Amazon Nova Act con Playwright y bajó de horas a minutos flujos de 18 pasos. Es otra forma de abordar el mismo problema. Y si tu sector es el financiero, mira cómo Capital One aplicó IA en banca con foco en auditoría y control.

    TCS ofrece además su orquestador como producto en AWS Marketplace, lo que sugiere que este tipo de solución ya se puede contratar, no solo construir.

    La pregunta para tu equipo

    La lección de fondo es que las pruebas de software con IA funcionan cuando se tratan como un sistema gobernado, no como un truco de productividad. Con agentes especializados, contexto propio, aislamiento por cliente y supervisión humana, TCS dice haber recortado el esfuerzo en casi nueve de cada diez horas. La pregunta para tu organización es cuántas de las horas de tu ciclo de pruebas se van hoy en traducir y reparar, y cuántas en decidir si un lanzamiento es seguro.

    Preguntas frecuentes

    ¿Qué resultados obtuvo TCS con sus pruebas de software con IA?

    Según un benchmark interno, el Agentic Test Orchestrator de TCS redujo el esfuerzo de testing en un 88% para clientes de banca, servicios financieros y seguros. Es una cifra de la propia empresa, no de una auditoría independiente, así que conviene validarla con pilotos propios antes de proyectar ahorros.

    ¿Cómo funciona el Agentic Test Orchestrator de TCS?

    Recibe requisitos desde Jira, BRD, Swagger o GitLab. Agentes especializados, hospedados en Amazon Bedrock AgentCore, generan escenarios, archivos Gherkin y tests en Java o Python. Luego se ejecutan en Amazon ECS, con un supervisor determinista que controla reintentos, errores y reportes por cliente.

    ¿Cómo garantiza TCS el aislamiento de datos entre clientes en su IA agéntica en banca?

    Cada cliente tiene su propio namespace de Kubernetes, user pool de Cognito, clave KMS, bucket S3, tablas DynamoDB y Knowledge Bases. Además, AgentCore ejecuta cada sesión en una microVM aislada y la recuperación de contexto se filtra por tenant, proyecto y sesión.