A la MoodleMoot Spain 2026 a Valladolid vam tenir moltes converses interessants. Una d’elles va ser la xerrada d’en John, on va abordar un tema que cada vegada guanya més pes: com aplicar intel·ligència artificial al QA.
Perquè tots sabem que el QA és important. Però no sempre ens parem a pensar si ho estem fent de la millor manera possible.
Per què és important el QA
El QA no és només una fase més del projecte. És el que marca la diferència entre una plataforma que funciona… i una que genera problemes.
A la sessió es resumia molt bé en tres idees clau:
- Garantia d’experiència d’usuari
- Xarxa de seguretat
- Prevenció
Al final, parlem d’assegurar que tot el que construïm funciona com esperem. I, sobretot, com ho espera l’usuari.
Com fem QA avui?
Aquí és on moltes vegades ens trobem amb una realitat bastant comuna. El procés habitual de QA segueix una lògica bastant clara:
- Navegació activa: una persona obre el navegador i recorre la plataforma pas a pas.
- Instruccions rígides: si automatitzem, escrivim codi que busca elements exactes.
- Validació: l’ull humà comprova que tot funciona com deuria.
- Repetició en bucle: el procés es repeteix per a cada navegador, dispositiu i versió, les vegades que faci falta.
I aquí és on comencen els problemes. El problema no és que funcioni malament. És que deixa de ser sostenible quan el projecte creix.
El canvi d’enfocament: afegir intel·ligència artificial
La pregunta que es plantejava a la sessió era: Què passa si incorporem intel·ligència artificial al procés de *QA?
No es tracta de substituir tot el que ja existeix, sinó de canviar com treballem. Passar d’executar tests manualment a definir quin flux s’ha de seguir i deixar que la IA ho executi les vegades que vulguem.
La IA permet:
- Tests que s’adapten automàticament gràcies a que no depenem de definir exactament el seu identificador (self-healing)
- Interacció en llenguatge natural, això fa més fàcil d’escriure les execucions
- Autonomia en l’execució
- Integració amb CI/CD
- Millora en accessibilitat
També hi ha límits que cal tenir en compte
Ara bé, no tot és tan senzill. Hi ha diversos factors que convé tenir presents:
- Cost d’ús de models (tokens) i latència
- Tecnologia early adopter
- No determinisme
- Càrrega de la pàgina
Aquí és on és fàcil equivocar-se: pensar que la IA substitueix tot el QA. I no. El que fa és complementar, però cal saber com i quan.
Eines que ja estan marcant el camí
Durant la sessió també es van esmentar diverses eines que ja estan treballant en aquesta línia:
- Stagehand
- ZeroStep
- TestRigor
- Datadog
- Applitools
Algunes estan més madures que unes altres, però totes apunten al mateix: un *QA més intel·ligent i menys manual.
T’interessa explorar aquest enfocament?
En 3ipunt ja estem treballant amb aquesta mena d’enfocaments en projectes, sempre amb una idea clara: que la tecnologia tingui sentit i aporti valor.
Incorporar la IA en el QA no va de canviar-ho tot d’un dia per a un altre, ni de seguir una tendència. Va més aviat de començar a qüestionar com estem treballant i veure on té sentit evolucionar.
