Le pides a la IA que escriba tu código… y luego le pides que escriba los tests. Todos pasan. Perfecto, ¿no? Pues no. Ese es justo el problema.
Si la misma IA escribe el código y los tests, los dos tienen los mismos puntos ciegos. Si la IA no pensó en un caso raro al programar, tampoco lo va a probar. Los tests pasan… pero no demuestran nada.
Por eso cada vez se usa más algo que muchos no conocen: los tests adversariales. La idea es simple: alguien cuyo único trabajo es intentar romper tu código.
Hay varias formas de hacerlo.
Uno: revisión adversarial. Un segundo agente, con otras instrucciones, revisa el código del primero buscando fallos, como si fuera un atacante. Cuando Bun migró más de 500.000 líneas de Zig a Rust con agentes de Claude, cada commit pasó por dos revisiones adversariales antes de entrar.
Dos: property-based testing. En vez de escribir casos a mano, como "si entra 2, sale 4", describes una regla que siempre debe cumplirse. Por ejemplo: "si ordeno una lista dos veces, el resultado es el mismo que ordenarla una vez". Y la herramienta genera miles de entradas raras buscando una que rompa esa regla. Anthropic lo probó con un agente en más de cien librerías de Python, y más de la mitad de los bugs que reportó eran reales.
Tres: fuzzing. Lanzarle a tu programa entradas aleatorias o mal formadas a escala masiva, hasta que algo explote. Así, una IA de Google encontró un fallo en SQLite que años de pruebas automáticas no habían visto.
Entonces, ¿el testing está muriendo? No. Lo que ya no basta es el test que confirma que todo funciona. Ahora necesitas tests que intenten demostrar que no funciona.
¿Tú ya pones a un agente a romper el código de otro?