−70%
FintechTiempo de validación por release
Ejecución paralela y distribuida en contenedores Docker sobre Jenkins y GitLab CI.
Antes
Después
Trayectoria
Giancarlo Renato Palomino Huallpa
Diseño la infraestructura de calidad de productos donde fallar cuesta caro: frameworks que otro equipo pueda mantener, pruebas que corren en cada build y agentes de IA que absorben el trabajo repetitivo. Empecé escribiendo código y nunca lo solté.
Lima, Perú
- 10
- años en calidad de software
- 8
- agentes de IA construidos
- −70%
- tiempo de validación por release
- 4
- países donde he trabajado
Presentación
Cómo trabajo
Diez años, cuatro países y una forma de trabajar que no depende de la herramienta de turno.
Empecé escribiendo código y nunca lo solté. Por eso discuto un pipeline o un contrato de API con desarrollo de igual a igual.
Empecé programando en Java y terminé liderando chapters de calidad en banca y fintech. En el camino aprendí que una suite no vale por cuántas pruebas tiene, sino por cuántas siguen corriendo dos años después sin que nadie las pelee.
Hoy construyo frameworks que otro equipo pueda mantener, llevo las pruebas al pipeline para que el feedback llegue en minutos y no en días, y aplico IA al diseño y al análisis sin soltarle el volante.
Con lo que construyo a diario
Tres decisiones que tomo en todo proyecto
-
Construyo para que lo mantenga el equipo
Si para tocar una prueba hay que preguntarme, el diseño falló. Nombres de negocio, capas separadas y decisiones explicadas.
-
Lo que no está en el pipeline no existe
Una prueba que alguien tiene que acordarse de ejecutar no protege nada. Corre en cada build o no cuenta.
-
La IA propone, la decisión es humana
Ningún modelo sabe si una diferencia es el cambio acordado o el defecto. Esa clasificación es donde está el criterio.
Resultados
Lo que se movió cuando estuve
Cifras del CV, cada una con el contexto en el que ocurrió.
+70%
Datos y analíticaCobertura automatizada
Suites en Playwright y Specflow que redujeron de forma notoria los errores críticos que llegaban a producción.
Al llegar
Al salir
−40%
Datos y analíticaTiempo de ejecución de la suite
Paralelización y optimización de scripts, sin perder cobertura.
Antes
Después
15
BancaIngenieros de calidad coordinados
Chapter al servicio de varias tribus del banco más grande del Perú, con estándares comunes y un programa de mentoría propio.
Un chapter, varias tribus
Dónde
Productos que pasaron por mis manos
Pulsa cualquier logotipo para ver desde qué empresa trabajé para ese cliente y qué se hizo ahí.
- 19
- clientes finales
- 7
- del sistema financiero
- 3
- organismos del Estado
- 9
- sectores distintos
IA aplicada
Dónde entra la IA en mi trabajo
Tres capas distintas, y conviene no mezclarlas: construir herramientas propias, meter modelos dentro del ciclo de pruebas, y probar productos que llevan IA por dentro.
- 3
- capas donde la aplico, sin mezclarlas
- 7
- usos dentro del ciclo de pruebas
- 100%
- bajo revisión humana, sin excepciones
Modelos Claude (Anthropic) GPT (OpenAI) Gemini (Google) Cursor GitHub Copilot
Agentes y herramientas que construí
software propio, en producción · pasa el cursor para detener · toca una tarjeta para ver su modelo
IA dentro del ciclo de pruebas
Aplicado en proyectos de cliente, con una regla fija: ninguna salida del modelo se convierte en un caso ejecutable ni en un defecto reportado sin revisión humana.
- 01
Requisitos
Análisis de requerimientos
Leer un documento largo y extraer los campos, las reglas y los criterios que hay que verificar, antes de escribir un solo caso.
Banca
- 02
Diseño
Diseño de casos y análisis de cobertura
Generar escenarios a partir de los criterios de aceptación y detectar qué quedó sin cubrir, acortando el tiempo de diseño y el de mantenimiento.
Salud
- 03
Priorización
Priorización basada en riesgo
Decidir qué se ejecuta primero y qué se automatiza, en función del riesgo de liberación y no del orden en que llegaron los requerimientos.
Salud y fintech
- 04
Verificación
Revisión de estructuras JSON y XML
Comparar el contrato del servicio legado contra el migrado y señalar dónde difieren, campo por campo, en migraciones de cientos de servicios.
Banca
- 05
Defectos
Análisis de defectos
Agrupar fallos, acelerar el diagnóstico y separar el defecto real del ruido de infraestructura.
Banca y fintech
- 06
Mantenimiento
Mantenimiento predictivo de la suite
Machine learning aplicado al mantenimiento de scripts y al análisis predictivo de fallos, que redujo los falsos positivos que hacían que el equipo dejara de mirar los reportes.
Fintech
Caso aparte
Probar productos que llevan IA dentro
Analítica de video con inteligencia artificial: aquí la prueba no termina en que la interfaz responda — hay que verificar que el modelo detecte lo que debe y que la analítica cuadre con lo que pasó frente a la cámara.
Qué sé hacer
Competencias
Lo que defiendo en una entrevista técnica, agrupado por para qué sirve.
Automatización
Frameworks pensados para que los mantenga otro equipo, no para lucir en una demo.
Playwright TypeScript Selenium Cypress Appium Cucumber / BDD Gherkin Screenplay Page Object Model Data-Driven
APIs e integración
Validar el contrato, no solo el código 200: tipos, campos opcionales, errores e integridad de datos.
Postman RestAssured Karate REST SOAP Contract testing SQL
Rendimiento y seguridad
Conocer el punto de quiebre antes que los usuarios, y dentro del pipeline.
k6 JMeter Gatling OWASP ZAP SonarQube LoadRunner
CI/CD y plataformas
Base de DevOps real: pipelines, contenedores e infraestructura como código, no solo consumirlos.
Jenkins GitLab CI Azure DevOps Docker Kubernetes / AKS Terraform AWS Azure Git
IA aplicada al testing
Desde asistir el diseño de pruebas hasta construir agentes que hacen el trabajo repetitivo del chapter. Siempre bajo revisión humana.
GPT Claude Gemini Copilot Agentes Machine learning Análisis predictivo Automatización de procesos
Liderazgo y estrategia
Lo que decide si una práctica de calidad sobrevive al segundo trimestre.
Gobierno de QA Estrategia de pruebas Risk-based testing Shift-Left Quality gates Release readiness Métricas y KPIs Mentoría
Lenguajes
Empecé programando; por eso discuto el código con desarrollo de igual a igual.
TypeScript JavaScript Java Python C#
Metodologías
Marcos de trabajo con los que he entregado, no solo estudiado.
Scrum Kanban Lean SAFe Agile Testing
Recorrido
Etapa por etapa
De las primeras prácticas al liderazgo técnico. Pulsa una etapa para ver qué hice ahí.
Formación
Estudios y certificaciones
Lo que está acreditado por un tercero, no lo que digo yo.
Educación
- Ingeniería de Sistemas Universidad César Vallejo 2012 — 2018
Certificaciones 3
- ISTQB® Certified Tester — Foundation Level (CTFL) iSQI Group
- Holistic Testing: Strategies for Agile Teams Agile Testing Fellowship
- Scrum Fundamentals Certified (SFC) VMEdu
Idiomas
- Español Nativo
- Inglés Profesional — experiencia trabajando en remoto para Puerto Rico y Chile
Girek Study
Todo esto lo publico en abierto
Los frameworks que construyo, las decisiones de diseño detrás de cada uno y lo que aprendo por el camino. El código se puede clonar y las notas se leen sin registrarse. Las clases vienen después.