Pruebas unitarias, de integración y de extremo a extremo: dónde la IA aporta más
Por Mirko Peters · · Actualizado
Pruebas unitarias frente a de integración y de extremo a extremo: qué comprueba cada una, cuántas escribir y dónde aporta más la IA, desde la redacción de pruebas unitarias hasta la revisión de flujos en el navegador.
Traducido automáticamente con IA a partir de la publicación original. Lee el original en inglés
Pruebas unitarias frente a de integración y de extremo a extremo es la pregunta que está detrás de cualquier estrategia de pruebas de software: cada nivel comprueba una cosa distinta, tiene un coste diferente y ofrece un tipo de confianza diferente. Esta guía está pensada para los responsables de QA a quienes se pregunta dónde debe encajar la IA en las pruebas de software. Verás qué comprueba cada nivel, cuántas pruebas de cada tipo debería tener una suite sana, dónde aporta más la IA y dónde añade riesgo. Un ejemplo práctico con cifras ficticias muestra cómo un equipo decidió dónde invertir su esfuerzo.
Puntos clave
- Una prueba unitaria comprueba una pieza de código, una prueba de integración comprueba la conexión con algo externo a la aplicación y una prueba de extremo a extremo ejecuta el sistema desplegado a través de su interfaz.
- La pirámide de pruebas recomienda escribir muchas pruebas unitarias pequeñas y rápidas, algunas pruebas más amplias y muy pocas pruebas de alto nivel, porque los niveles superiores son más lentos y requieren más mantenimiento.
- La IA es más útil cuando el resultado es pequeño y fácil de comprobar, como al redactar pruebas unitarias y de API, y cuando una persona puede revisar cada prueba generada.
- Las pruebas generadas por IA pueden inflar la cobertura sin validar el comportamiento, por ejemplo, pruebas que ejecutan código pero con aserciones débiles o inexistentes.
- Trata el resultado de la IA como un borrador en todos los niveles y reserva el criterio humano para flujos ambiguos, comprobaciones visuales y revisiones de accesibilidad.
Pruebas unitarias frente a de integración y de extremo a extremo: qué comprueba cada una
El artículo The Practical Test Pyramid de Martin Fowler ofrece definiciones claras.
- Las pruebas unitarias garantizan que una unidad concreta de tu base de código, el sujeto de la prueba, funcione como se espera. Tienen el alcance más reducido de todos los tipos de prueba. Es el nivel de pruebas unitarias que los desarrolladores escriben con más frecuencia.
- Las pruebas de integración comprueban la integración de tu aplicación con las partes que están fuera de ella, como una base de datos, un sistema de archivos o un servicio independiente. Fowler prefiere las pruebas acotadas, que verifican un único punto de integración externo cada vez. Esta es la tarea de las pruebas de integración.
- Las pruebas de extremo a extremo prueban la aplicación desplegada a través de su interfaz de usuario y abarcan todo el sistema integrado. Fowler las llama pruebas de pila amplia. Se trata de las pruebas de extremo a extremo.
La diferencia principal entre las pruebas unitarias y las de integración es el alcance: una parte del código frente a la conexión entre partes. Las pruebas funcionales y las de sistema también verifican el software desde fuera, y las pruebas e2e son la variante que se ejecuta en el navegador, así que conviene acordar bien los términos.
Los desarrolladores suelen escribir pruebas unitarias y ejecutarlas en cada commit. Para recordar la diferencia, fíjate en la pregunta que responde cada nivel: una prueba unitaria pregunta si esta función es correcta. Una prueba de integración pregunta si nos comunicamos correctamente con este otro sistema. Una prueba de extremo a extremo pregunta si un usuario puede completar este recorrido.
Cuántas de cada una: la pirámide de pruebas
La pirámide de pruebas es la forma habitual de describir ese equilibrio. El consejo de Fowler es escribir muchas pruebas unitarias pequeñas y rápidas, algunas pruebas más gruesas y muy pocas pruebas de alto nivel. Lo plantea como una regla: cuanto más alto el nivel, menos pruebas deberías tener.
La razón es el coste. Según el artículo, las pruebas unitarias se ejecutan muy rápido, las pruebas de integración suelen ser mucho más lentas porque intervienen partes externas reales, y las pruebas de extremo a extremo se ejecutan bastante despacio. Además, las pruebas de extremo a extremo requieren mucho mantenimiento y son notoriamente inestables.
Esa inestabilidad es medible a gran escala. Una entrada del Google Testing Blog, Flaky Tests at Google and How We Mitigate Them, indica que alrededor del 1,5 por ciento de sus ejecuciones de prueba dio un resultado inestable y casi el 16 por ciento de sus pruebas presentó algún grado de inestabilidad.
Los tres niveles alimentan las pruebas de regresión, porque se vuelven a ejecutar después de cada cambio.
Fowler también advierte contra la forma opuesta, que él llama el cono de helado de pruebas: muchas pruebas manuales y a nivel de navegador arriba, y pocas pruebas unitarias abajo. Lo describe como una pesadilla de mantener que tarda demasiado en ejecutarse. Si tu suite se parece a eso, añadir IA no corregirá la forma. Lo más probable es que solo produzca más pruebas lentas, y más rápido.
Pruebas unitarias frente a pruebas de integración: cuándo usar cada nivel
La comparativa de TestRail sobre pruebas unitarias y de integración enumera diferencias prácticas. Las pruebas unitarias son rápidas de implementar y de ejecutar, y normalmente las llevan los desarrolladores. Las pruebas de integración suelen involucrar a ingenieros de QA y probadores. Las pruebas unitarias usan mocks y stubs para evitar sistemas externos, mientras que las pruebas de integración se centran en interacciones reales, aunque pueden seguir usando mocks cuando un servicio externo no está disponible, no es fiable o resulta costoso.
Las ventajas de las pruebas unitarias son la retroalimentación rápida, la detección temprana de errores y un código más modular. Su debilidad es que un conjunto de pruebas unitarias no demuestra si las partes funcionan juntas, que es lo que aporta la prueba de integración. TestRail recomienda pruebas unitarias para la lógica aislada al principio del desarrollo, y pruebas de integración para los flujos de trabajo que abarcan módulos, bases de datos o servicios de terceros. Describe dos formas de ejecutar estas últimas: Big Bang, que prueba todo junto después del desarrollo y es más difícil de depurar, e incremental, que prueba pequeños grupos paso a paso y facilita localizar los problemas.
Fowler ofrece una regla para decidir el nivel: si una prueba de nivel superior detecta un error y ninguna prueba de nivel inferior falla, escribe una prueba de nivel inferior. Empuja las pruebas todo lo posible hacia la base de la pirámide y elimina las pruebas de alto nivel que duplican lo que ya cubren los niveles inferiores. Una estrategia de pruebas completa utiliza los tres niveles, y cada nivel superior se centra en lo que los inferiores no pueden cubrir.
Hay dos preguntas relacionadas que surgen con frecuencia. Fowler señala que algunos llaman a la capa intermedia pruebas de integración y otros pruebas de componentes, y que ponerse de acuerdo en los términos importa más que el nombre. También dice que las pruebas de aceptación, que verifican el software desde la perspectiva del usuario, pueden situarse en cualquier nivel, por lo que son ortogonales a la pirámide. Las pruebas unitarias y las pruebas de extremo a extremo son, por tanto, los dos extremos de una misma escala, no escuelas rivales.
Estas pruebas son fáciles de automatizar en un pipeline. TestRail indica que las pruebas unitarias suelen ejecutarse pronto, a menudo justo después de un push o de una pull request, y que las pruebas de integración se ejecutan más tarde, una vez que la aplicación se ha desplegado en un entorno de staging o de pruebas. Juntas forman una puerta de calidad.
Dónde ayuda más la IA
Las herramientas basadas en IA generativa difieren entre sí, pero en las guías de los proveedores aparece un patrón. El artículo de Parasoft sobre cómo se usa la IA en las pruebas de software aconseja a los equipos generar pruebas unitarias y de API mientras los cambios están recientes, y menciona la ayuda de la IA para crear pruebas de API, sugerir aserciones y construir escenarios de datos. También señala que la virtualización de servicios, que simula dependencias lentas, costosas o no disponibles, respalda las pruebas de integración.
Esto encaja con la pirámide. Las razones son inferencia nuestra, no una medición:
- La salida pequeña es fácil de revisar. Una prueba unitaria generada tiene unas pocas líneas. Un revisor puede leerla, ejecutarla y decidir en un minuto si comprueba lo correcto.
- El feedback rápido revela las pruebas malas. Una prueba unitaria incorrecta falla o pasa rápidamente, así que encuentras el problema el mismo día.
- Entradas y salidas claras. Las funciones y las llamadas a API tienen entradas y salidas definidas, así que una herramienta tiene un objetivo preciso.
- Muchos casos repetitivos. Los valores límite y las rutas de error son repetitivos en las pruebas unitarias, y un borrador te ahorra escribir.
Deja que la IA redacte, pero que una persona sea responsable: quien acepta una prueba generada responde de lo que comprueba, igual que con una prueba escrita a mano.
Para las pruebas de integración, la IA puede redactar un caso de prueba o datos de prueba y simular dependencias, pero una persona debe decidir cuál es el contrato con el otro sistema, y las pruebas de integración verifican ese contrato.
En el nivel de pruebas de extremo a extremo, la IA ayuda de otra manera. Las herramientas que ejecutan pasos en lenguaje natural en un navegador pueden reducir el coste de escribir una prueba de recorrido de usuario. No cambian el coste de ejecutarla, y tampoco eliminan la necesidad de una regla clara de aprobado o suspenso.
Dónde ayuda menos la IA, y qué vigilar
El artículo de Parasoft es directo sobre los límites. Dice que hay que mantener la revisión humana en cada cambio generado por IA y tratar la salida de la IA como un borrador. Advierte que, si se usa mal, la IA puede inflar la cobertura sin validar el comportamiento, y alerta sobre pruebas vacías que ejecutan rutas de código pero tienen aserciones débiles o ausentes. Señala como signo de alerta las salidas que varían entre ejecuciones con las mismas entradas. Añade que la IA no puede aprobar cambios críticos para la seguridad ni sustituir el juicio humano en flujos ambiguos, comprobaciones visuales y revisiones de accesibilidad. En cuanto a los datos, advierte contra los prompts que contienen secretos o datos regulados.
Las estrategias de pruebas que usan IA necesitan cuatro comprobaciones:
- Cobertura que sube pero no detecta nada. Revisa las aserciones, no solo las cifras de cobertura.
- Pruebas que reflejan el código. Una prueba que repite la implementación pasará aunque la lógica sea incorrecta.
- Salida inestable. Si una prueba generada cambia entre ejecuciones, fija la versión que revisaste.
- Datos que salen de la organización. No pegues secretos, datos de clientes ni datos regulados en un prompt.
Ejemplo: en qué invierte esfuerzo un equipo
Las cifras son ficticias.
Un equipo tiene 600 pruebas automatizadas: 450 pruebas unitarias, 110 de integración y 40 de extremo a extremo. Las pruebas de navegador ocupan 50 minutos de un pipeline de 60, y seis de ellas fallan aleatoriamente cada semana.
El responsable de QA hace tres cambios. Primero, un asistente de IA redacta pruebas unitarias para el código nuevo, y un desarrollador revisa cada borrador. En el primer mes el asistente redacta 120 pruebas. Los revisores rechazan 30 porque las aserciones son débiles, así que 90 se incorporan a la suite.
Segundo, la IA redacta datos de prueba para las pruebas de integración, y los contratos siguen escritos a mano.
Tercero, las 40 pruebas de extremo a extremo no reciben ayuda de la IA. El responsable elimina seis duplicados que ya cubre una prueba más rápida de nivel inferior, y el pipeline baja de 60 a 48 minutos. El esfuerzo de IA se dirigió a donde la revisión es más barata, y la capa lenta se redujo.
Errores comunes
- Usar la IA para añadir más pruebas de navegador. La capa lenta e inestable crece, y el pipeline se vuelve más lento.
- Aceptar pruebas generadas sin leerlas. Las aserciones débiles dan cobertura sin seguridad.
- Medir el éxito por el número de pruebas. Cuenta en su lugar los defectos detectados y los minutos ahorrados.
- Saltarse las pruebas de integración. Las pruebas unitarias más unos pocos recorridos pueden dejar pasar contratos rotos entre sistemas.
- Pegar datos sensibles en los prompts. Establece una directiva antes del primer prompt.
Cómo puede ayudar el software
Tu framework de pruebas y tu sistema de CI ya registran los tiempos de ejecución y las tasas de fallo. Empieza por ahí y agrupa las cifras por nivel. Las herramientas de revisión de código ayudan con los borradores de IA, porque los revisores pueden ver la prueba generada junto al código. Lee las herramientas de cobertura junto con una comprobación de aserciones, para no confundir cobertura con calidad. Añade un asistente de IA a un solo nivel de pruebas primero y compara el tiempo de revisión, los borradores rechazados y los defectos que se escapan antes de ampliar el piloto.
Siguiente paso
Cuenta tus pruebas en cada nivel, y anota el tiempo de ejecución y la tasa de inestabilidad de cada uno. Después elige un nivel para el piloto de IA y escribe qué vas a medir, de modo que tu próximo debate sobre pruebas unitarias frente a integración frente a extremo a extremo parta de datos.