Playwright + IA: prompteá escenarios, no selectores

Escribir aserciones de UI a mano, buscando selectores perdidos en el DOM y peleando con promesas asíncronas, es una pérdida de tiempo monumental en 2026. Los LLMs actuales generan tests razonables con contexto mínimo. El desarrollador senior de hoy no tipea tests E2E desde cero; los audita. Integrar herramientas como Playwright con asistentes de inteligencia artificial cambia completamente el paradigma de Quality Assurance manual, permitiéndote delegar el grueso del boilerplate al bot.

Del test manual al QA asistido

Antes perdíamos horas manteniendo tests frágiles (flaky tests) porque un diseñador cambió una clase de Tailwind. Hoy, el workflow se invierte. Le pasás el componente entero a Cursor o Claude y le decís qué querés probar.

          Running 3 tests using 1 worker
[chromium] › e2e/checkout.spec.ts:12:5 › Flujo de compra exitoso
[chromium] › e2e/auth.spec.ts:8:5 › Login con credenciales válidas
[chromium] › e2e/auth.spec.ts:22:5 › Muestra error con contraseña incorrecta

3 passed (2.4s)
        

El secreto del Prompting para QA

La IA se marea si le pedís que testee "todo". Tenés que ser quirúrgico. Un buen prompt se ve así:

"Escribí un test de Playwright para Checkout.tsx.

1. Interceptá la API de /api/payment y devolvé un 200 OK.
2. Llená el formulario con datos válidos.
3. Hacé click en pagar y verificá que el componente MetricCard muestre 'Pago exitoso'."

La IA te va a generar el boilerplate, los mocks de red y las aserciones iniciales. Vos solo revisás que la lógica de negocio y los estados de carrera (race conditions) estén bien cubiertos. La IA es un copiloto útil para el boilerplate, pero el arquitecto de la confiabilidad seguís siendo vos; auditá también que use selectores semánticos (getByRole, getByText) en lugar de clases CSS arbitrarias que se rompen con el primer rediseño. Es el fin del QA aburrido, pero el inicio de una fase de auditoría técnica mucho más rigurosa.

El principio detrás de los prompts quirúrgicos es el mismo que la Ley de Hick aplicada a Agentes de IA: menos opciones, más precisión. Cuanto más específico el scope, mejor el resultado del modelo. Si querés cerrar el loop integrando checks automáticos en cada push, el TIL de Lighthouse CI automatizado muestra cómo configurar un pipeline de calidad end-to-end.