Reseña honesta: “AI-powered QA: Automatización y Agentes en Software Testing” de Esteban Balvin [2026] – ¿Vale la pena?

Qué promete y qué encontré al analizarlo

AI-powered QA, de Esteban Balvin (director de QA, según su perfil), promete transformar tu trabajo de pruebas con IA generativa: generar artefactos de prueba con prompts, usar asistentes de código en modo agente, crear frameworks de Cypress y Playwright, configurar agentes con MCP para pruebas exploratorias, visuales y de accesibilidad, y automatizar pruebas de API con el agente de Postman. Son 8.8 horas en 52 clases, con 1,961 alumnos y 379 reseñas que le dan un 4.62. Se creó en noviembre de 2025 y se actualizó el 27 de agosto de 2026.

Al revisar sus 9 secciones, el núcleo son los agentes de QA con Playwright y MCP (12 elementos), apoyados por un bloque de IA generativa en el ciclo de pruebas (9) y otro de agentes con skills y MCP en Antigravity (6). El resto es un recorrido por herramientas: Copilot (4), vibe coding y vibe testing (6), Claude (4), Postman (3) y otras herramientas con IA (5). A diferencia de casi todos los cursos de esta categoría, sus subtítulos en español están marcados como CC, no como automáticos.

El temario, en resumen

• Fundamentos (14 elementos): el poder de la IA en QA (5) y la IA generativa en el ciclo de vida de pruebas, STLC (9).
• Agentes y MCP (18): agentes de QA con Playwright y MCP (12) y un agente con skills y MCP en Antigravity CLI (6).
• Asistentes de código (14): Copilot para desarrolladores y QA (4), vibe coding y vibe testing (6) y Claude para QA (4).
• Más herramientas (8): agente de Postman para pruebas de API (3) y otras herramientas potenciadas con IA para QA (5).
• En total: 49 videos, 3 artículos y un cuestionario, con subtítulos en español revisados (CC).

Puntos fuertes

• Enfoque de agentes, no de chat. La sección más larga conecta agentes con el navegador a través de MCP. Es hacia donde se mueve la automatización de pruebas, más allá de pedirle casos de prueba a un chatbot.
• IA en todo el ciclo de pruebas. La sección del STLC (9) aplica la IA a la planeación, el diseño y el análisis, no solo a escribir scripts; ahí un QA manual puede ganar tiempo desde el primer día.
• Herramientas vigentes. Antigravity, skills, MCP y el modo agente de Postman muestran un temario al día, con revisión de agosto de 2026. En un tema que cambia cada mes, importa.
• Visión de liderazgo y mejores subtítulos. Según la descripción, el instructor lleva más de 18 años liderando estrategias de calidad, y el público incluye a líderes que deben planear la adopción de IA en sus equipos, un ángulo poco común.

Aspectos mejorables

• Muchas herramientas, pocas clases por cada una. Copilot (4), Claude (4) y Postman (3) se ven en secciones muy cortas. Sirven para conocer el panorama, no para dominar cada herramienta.
• Promesas sin sección propia. Los objetivos hablan de crear frameworks de Cypress desde cero y de pruebas visuales y de accesibilidad autónomas, y la descripción menciona Jira y GitHub, pero ningún título los nombra. Pueden aparecer dentro de otras secciones, sin el detalle que sugiere la descripción.
• Falta el control de calidad de la propia IA. No hay rastro de cómo revisar las pruebas que generan los agentes (aserciones débiles, pruebas que pasan sin validar nada), del costo en tokens ni de qué código o datos de tu empresa es seguro enviar a un modelo externo. La descripción promete «contexto real, no alucinaciones», pero ese riesgo se gestiona con revisión, no desaparece.
• Casi sin práctica evaluada. Un cuestionario y ningún ejercicio. Además, los requisitos dicen que no hace falta experiencia en automatización, pero sin saber leer código de Playwright no podrás juzgar si lo que genera el agente es correcto.

Conclusión honesta

AI-powered QA es el único curso del sitio dedicado a la IA en QA, y su temario está al día: agentes con MCP, modo agente en varias herramientas y aplicación al ciclo completo de pruebas. Para un QA o un líder de QA que necesita entender qué es posible hoy y por dónde empezar, cumple bien como panorama.

Como ingeniero, lo complementaría con una base sólida de automatización: Playwright con TypeScript o Cypress te darán el criterio para revisar lo que generan los agentes. Si te interesa más la programación con agentes que el testing, mira el curso de Claude Code de Santiago Hernández o la comparativa Claude Code vs Cursor vs GitHub Copilot.

Preguntas frecuentes