Cada semana me escribe alguien con la misma frase, dicha de mil formas distintas:
«Adriana, siento que me quedé atrás.»
Hay tres versiones de esa persona. La que ya usa IA y quiere ir más profundo. La que está empezando recién ahora. Y la que llegó un lunes a su trabajo y le dijeron: «tienes que usar IA ya, o no vas a poder seguir el ritmo del resto».
Tres puntos de partida distintos. El mismo nudo en el estómago.
Y casi siempre, el mismo mensaje detrás: «Hay tanto que no entiendo que no sé ni por dónde empezar. Claude, Claude Code, Gemini, CLI, agentes, subagentes, skills, MCP… ¿qué es cada cosa? ¿cuál necesito yo?»
Hoy no vengo a enseñarte ninguna de esas cosas. Vengo a hacer algo más útil: a darte el mapa.
El problema no es que sepas poco
Acá está la mentira que te están vendiendo: que estás atrasado.
No lo estás. Estás saturado. Y son dos cosas completamente distintas.
Atrasado significa que falta información. Saturado significa que sobra. Y el remedio para cada uno es opuesto: al atrasado le das más; al saturado le quitas ruido y le das orden.
Entra a LinkedIn cinco minutos. Vas a ver gente hablando de multi-agent workflows, tool calling, context engineering, vibe coding. Y piensas: «ni sé qué es un agente y esta persona ya tiene seis trabajando en paralelo».
El resultado es que muchos QA hacen lo peor que pueden hacer: intentan aprenderlo todo a la vez. Abren diez pestañas, ven tres tutoriales que asumen cosas que no saben, se frustran, y concluyen que «esto no es para mí».
No es que no sea para ti. Es que nadie te dio el orden.
Y el desorden se nota. Estas son las confusiones que más me escriben — seguro reconoces alguna:
Ninguna de esas confusiones es tu culpa. Son síntomas de aprender en desorden, saltando a la parte avanzada sin pisar la base.
No necesitas aprender 50 conceptos de IA para empezar a usarla en QA. Necesitas aprenderlos en el orden correcto. Uno a la vez.
El mapa: dónde encaja cada pieza
Todas esas palabras que te marean no están sueltas: son capas, una encima de la otra. Esta es la cadena completa, de abajo hacia arriba:
Léelo así, en una frase: una IA generativa responde a tus prompts, mejora muchísimo cuando le das contexto, se vuelve autónoma cuando la conviertes en agente, se conecta a tus herramientas reales mediante MCP, vive cómoda en una CLI, y todo eso junto te da automatización real.
No saltes escalones. Cada capa asume que entendiste la anterior. Por eso los tutoriales de agentes te marean: estás intentando subir al escalón 4 sin haber pisado el 2.
La ruta: qué aprender primero, segundo, tercero
Si yo empezara de cero hoy, este es el orden que seguiría. De principiante a avanzado, con el recurso concreto para cada parada. Algunas ya las tengo escritas en el blog; otras llegan en las próximas semanas, como parte de esta serie. Y el final es práctica de verdad.
| Parada | Qué vas a entender | Recurso |
|---|---|---|
| 0. La base | Qué puede y qué NO puede hacer la IA en QA. Sin esto, todo lo demás es humo. | 5 cosas que la IA hace mejor que yo en QA — y 3 donde falla horrible |
| 1. Tu día a día | Los momentos reales del día donde la IA suma, con prompts que puedes copiar. | IA para QA: la guía práctica que me hubiera gustado tener |
| 2. Qué IA usar | ChatGPT vs Claude vs Gemini, desde la mirada del QA. Sin benchmarks ni marketing. | ¿Qué IA debería usar como QA? ChatGPT, Claude y Gemini |
| 3. Del prompt al agente | Por qué el prompt tiene un techo, y qué es realmente un agente. | De prompts a agentes: cómo armé mi propio equipo de IA para QA |
| 4. Dirigir, no pedir | El salto no es de inteligencia, es de perspectiva: pasar de un agente a un equipo. | No necesitas un agente más inteligente. Necesitas dirigir un equipo |
| 5. ¿Qué es un CLI? | El concepto que más confusión genera, explicado sin asumir que programas. | ¿Qué es un CLI? El terminal explicado sin que te dé miedo |
| 6. Manos a la obra | Tu primer agente de QA que corre de verdad, paso a paso. | Tu primer agente de QA: de cero a uno que corre |
| 7. El equipo completo | Coordinar varios agentes con miradas distintas sobre el mismo problema. | Construye tu equipo de agentes QA y dirígelo |
| 8. Conectar tus herramientas | Qué es MCP y cómo enchufar Jira, Notion, GitHub y Playwright a tu IA. | MCP para QA: conecta tus herramientas a la IA |
La progresión es: qué puede → cómo la uso hoy → cuál elijo → del prompt al agente → cómo dirijo un equipo → dónde trabajo → cómo lo conecto todo.
Ninguna parada asume la siguiente. Puedes bajarte donde quieras y ya te llevaste algo aplicable.
Qué ignorar por ahora (el ruido que no te aporta)
Tan importante como saber qué aprender es saber qué dejar pasar. Hoy, si estás empezando, puedes ignorar tranquilo todo esto:
Los benchmarks y las peleas de 'qué modelo es mejor'
Que si tal modelo sacó 2 puntos más en tal prueba. A ti, como QA, no te cambia el trabajo. Elige una herramienta, aprende a usarla bien, y listo. La parada 2 de la ruta te va a dar el criterio para elegir sin entrar en esa guerra.
El vocabulario de moda: 'context engineering', 'vibe coding', 'tool calling'
Son nombres elegantes para cosas que vas a entender solas cuando recorras la ruta. Aprender la etiqueta antes que el concepto es justo el desorden que te tiene saturado.
Construir tu propio modelo, fine-tuning, RAG avanzado
Esto es ingeniería de IA, no uso de IA para QA. Es otra carrera. No la necesitas para trabajar 10 veces mejor mañana.
Querer aprender agentes y MCP la primera semana, sin haber entendido qué puede y qué no puede la IA. Es como querer automatizar una suite antes de saber escribir un caso de prueba. Te vas a frustrar, y la frustración te va a hacer abandonar.
Y cuando termines de leer, practica de verdad
Leer el mapa no te convierte en QA con IA. Recorrerlo, sí. Y para recorrerlo necesitas un lugar donde equivocarte sin romper nada de producción.
Por eso existe la Academia sin Humo: un entorno con bugs reales escondidos a propósito para que practiques, y cursos guiados que toman esta misma ruta y la convierten en ejercicios paso a paso. El curso «IA aplicada al testing» arranca justo donde termina este artículo: qué es (y qué no es) un LLM, cómo escribir prompts que sirvan, y cómo generar y revisar tests con IA sin tragarte lo que inventa.
El blog te da el mapa. La academia te lleva de la mano por el terreno. Leer es el primer paso, no el último.
Lo que quiero que te lleves
Si llegaste hasta acá sintiéndote atrasado, espero que te vayas con otra idea en la cabeza.
No estás atrasado. Estás saturado. Y el saturado no necesita correr más rápido — necesita parar, mirar el mapa, y dar el siguiente paso. Uno solo.
Una IA te escupe 30 casos de prueba en diez segundos. Decidir cuáles importan, cuáles sobran y qué le falta — eso sigue siendo tuyo, y es exactamente por lo que te pagan. La herramienta cambia cada seis meses; ese criterio no. Por eso el orden importa: si te saltas la base por correr hacia lo brillante, terminas con una IA potentísima que no sabes para qué usar.
Empieza por la parada 0. El resto puede esperar a la semana que viene.
Las 9 paradas ya están publicadas: de la base hasta conectar tus herramientas, cada una con su recurso enlazado arriba. Puedes recorrerla entera a tu ritmo. Y si quieres recibir lo próximo apenas salga, te espero en la newsletter — una idea aplicable cada semana, en orden.