Mid-Game: detección

La segunda fase del IQL cubre los steps 5 a 9 y la protagoniza el QA Automation Engineer. Su pregunta es «el software cumple con los requerimientos?». Aquí se decide qué casos merecen persistir y cuáles de ellos se automatizan, para detectar defectos antes del release.

Fase 2 de 3Steps 5-9QA Automation Engineer
Fuente oficial

Esta página resume la sub-página upexgalaxy.com/metodologia/mid-game. Si algo de aquí no coincide con el sitio, manda el sitio. La versión en inglés está en upexgalaxy.com/en/methodology.

La fase en una tabla

Pregunta «El software cumple con los requerimientos?»
Enfoque Detección: encontrar defectos antes del release con testing estructurado
Rol protagonista QA Automation Engineer
Alcance Steps 5-9
Enfoques integrados Continuous Testing, Agile Testing, AI-Driven
Herramientas Playwright, GitHub Actions (o CI equivalente), Docker, Xray

Los stages de esta fase

Los dos stages del Mid-Game ocurren en el cierre y release del sprint, con nivel L3 · Continuous Detection. Documentation empieza en el Early-Game (step 4) y termina aquí. Automation es el único stage del IQL con verificación separada obligatoria. Los niveles de autonomía y los nombres de transición de las tablas de abajo son una copia para enseñar. La fuente vigente es .agents/skills/agentic-qa-core/references/stage-gates.md para el contrato y la autonomía, y .agents/jira-workflows.json para las transiciones.

Documentation

Sobre comportamiento ya validado, cada escenario recibe exactamente un veredicto y solo se persisten los que demostraron valor de regresión. La mayoría tiene que caer en Deferred.

Etapas TMLC 3rd, TMLC 4th, TALC 1st (steps 4, 5 y 6)
El agente hace Deriva los escenarios por técnica, calcula el ROI y propone Candidate, Manual o Deferred, exactamente uno por escenario. Persiste en el TMS solo los que valen para regresión, con la cascada de enlaces armada y el ATS enlazado a la historia.
La persona firma Cada veredicto de ROI, la épica de regresión y el Test Set de feature. El veredicto no se delega: define la suite de los próximos años.
Evidencia exigida Score de ROI por escenario con su justificación, y la alarma disparada si más de la mitad cae en Candidate o Manual (señal de que el filtro no se aplicó).
Autonomía 2 de 5
Verificador separado Recomendado (un segundo agente)
Roles QA Analyst, QA Lead · Executor, Verifier
Salidas TC / ATC persistidos en el TMS; veredicto de ROI por escenario; TS de feature (opcional)
Transiciones en Jira TC: Draft → In Design (start design)
TC: In Design → READY (ready to run)
TC: READY → In Review (automation review)
TC: In Review → Candidate (approve to automate)
TC: READY → MANUAL (for manual)

Automation

Solo entran los Candidate. Primero el plan, después el código, y tres verificadores en verde antes del pull request.

Etapas TALC 2nd, TALC 3rd, TALC 4th (steps 7, 8 y 9)
El agente hace Escribe el plan (especificación y plan de automatización), implementa sobre la arquitectura del Implementation Standard con el decorador que ata cada método a su caso y corre los tres verificadores; el pull request lo abre /git-flow-master.
La persona firma Aprueba el plan antes de que se escriba una línea de código y aprueba el merge. Al tercer intento fallido decide si se sigue o se para.
Evidencia exigida Tests en verde, tipos y lint limpios, cada decorador resolviendo a un ticket real y el manifiesto fresco.
Autonomía De 2 a 3, con techo dentro del plan aprobado
Verificador separado Obligatorio: pr-review-lead o judgment-day, en un contexto limpio
Roles QA Automation Engineer, QA Lead · Executor, Verifier
Salidas Métodos automatizados con su decorador de trazabilidad; pull request revisado
Transiciones en Jira TC: Candidate → In Automation (start automation)
TC: In Automation → Pull Request (create PR)
TC: Pull Request → AUTOMATED (merged)

El gate de ROI: Candidate, Manual o Deferred

El veredicto de ROI se decide en el step 4, sobre escenarios que ya se ejecutaron y se reportaron. Solo lo que demostró valor de regresión llega al TMS.

Veredicto Qué pasa con el escenario Estado del TC en Jira
Candidate Regresión automatizada. Pasa al TALC y se implementa con Playwright. In Review → Candidate (approve to automate)
Manual Regresión manual. Es terminal: no se automatiza. READY → MANUAL (for manual)
Deferred Fuera de la regresión. Queda en el reporte de priorización. No se crea TC
La alarma del filtro

Si más de la mitad de los escenarios cae en Candidate o Manual, el filtro no se aplicó y se vuelve a correr la fase de descarte. Una suite crece sana cuando la mayoría de lo explorado no se persiste. Para este stage se recomienda un verificador separado.

Veredicto y estado comparten nombre (Candidate y MANUAL en el TC, Deferred en el Bug), pero el veredicto es la decisión de ROI y el estado es dónde está el ticket.

Los 5 steps del Mid-Game

El Mid-Game cierra el TMLC (Test Manual Life Cycle) con su 4ª etapa y recorre entero el TALC (Test Automation Life Cycle): Evaluación, Automatización, Verificación CI y PR Review.

Step Etapa Qué se hace Entregable Transición del TC
5. Documentación Asíncrona de Test Cases TMLC 4th Formalizar en el TMS los TC de cada escenario Candidate o Manual. Backlog de TCs de alto valor, agrupados en el ATS de la historia Draft → In Design → READY
6. Evaluación de TCs para Automatización TALC 1st Revisar los TCs recién documentados: cuáles se automatizan y cuáles quedan manuales. TCs aprobados para automatizar (Candidate) o marcados como Manual READY → In Review → Candidate, o READY → MANUAL
7. Automatización de los candidatos TALC 2nd Implementar los Candidate con Playwright sobre KATA, con @atc en cada método. Casos implementados en el repo, con PR creado Candidate → In Automation
8. Verificación de la suite en CI TALC 3rd Validar los ATCs automatizados en la pipeline de CI. ATCs estables en CI sin flakiness, con reportes de trazabilidad (el sitio no indica ninguna)
9. Revisión del Pull Request TALC 4th Crear el PR para revisión y aprobación de los ATCs. PR mergeado, ATCs integrados en CI/CD In Automation → Pull Request → AUTOMATED

Step 5 depende de la modalidad del TMS

El verbo del step 5 cambia con la modalidad. En jira-native aquí se crean los TC, porque un issue Test nativo ya es documentación y por eso espera al gate de ROI. En jira-xray (la instancia de UPEX) los Test existen desde Planning y aquí se enriquecen y promueven: Gherkin rico, label regression-candidate, Test Set de la feature y Regression Test Plan. En los dos casos la documentación es asíncrona a propósito: va después de ejecutar y reportar, nunca antes.

El TC es el caso individual y vive en el TMS. Un ATC es lo que un TC es cuando nace de un criterio de aceptación. Los casos de la historia se agrupan en su ATS (Acceptance Test Set), obligatorio incluso con un solo caso, porque la cobertura la da el enlace del ATS a la historia.

Herramientas por step

Herramienta Tipo Nota
KATA Recommended Hace trazable cada ATC a su historia (@atc('KEY')) y es lo que los skills saben operar. Sobre un framework que el cliente conserva se aplican sus invariantes (capas, inyección de dependencias, decoradores) con /test-framework-adaptation, sin reescribirlo.
Playwright Recommended El default al automatizar desde cero. No es obligatorio: un stack maduro (Cypress, WebdriverIO) se evalúa al inicio y se conserva, se adapta o se migra por etapas.
Docker Recommended Reproducibilidad de la corrida en CI con la imagen oficial de Playwright. Si el CI ya trae runners con navegadores, se adapta.
Xray Adaptable La modalidad con la que opera UPEX (jira-xray). El boilerplate arranca en jira-native (tms_cli: null), también soportada. Otro TMS (TestRail, Zephyr) se evalúa como adaptación.
Harness agéntico Adaptable Claude Code, OpenCode o Codex. El método vive en los skills, no en el agente.
GitHub Actions (o CI equivalente) Client-controlled El estándar exige que los ATCs corran en cada PR. El pipeline de referencia del boilerplate está escrito para GitHub Actions.
GitHub / GitLab, Jira, Slack / Teams Client-controlled Repositorio y PRs, tracker y canal de avisos: los trae el cliente.

Los casos primero, el plan después

El set de casos de la historia se crea antes que su plan y que su ejecución, porque los dos derivan su lista de él. Y la cobertura en Jira la da el enlace del set a la historia, no el del plan. El orden set-first es TC → ATS → ATP → ATR, y el diagrama muestra cómo lo aplica /sprint-testing en la modalidad jira-xray.

Los pasos del QA Analyst en el sprint
Los tres stages de /sprint-testing y el orden exacto de la planificación. Ver a tamaño completo.
  1. Crear los Test (TC) de la historia

    Al detalle ejecutable.

  2. Crear el ATS con todos ellos

    Título ATS: {STORY-KEY}: {TITLE}.

  3. Enlazar el ATS a la historia

    Enlace Test · is tested by. Es la arista que da cobertura; el enlace directo de un caso a la historia también cubre, pero solo como último recurso.

  4. Recién ahí, el ATP

    Se crea desde el custom field de la historia. Su lista de casos deriva del ATS.

  5. El ATR, con su Test Environment

    Sin entorno no pasa el Definition of Done. Su lista también deriva del ATS.

  6. Execution: smoke primero, después exploración

    Go/No-Go del entorno y luego la Trifuerza UI · API · DB, más allá de lo planificado.

  7. Reporting: completar el ATR y comentar

    Resultado por caso, comentario de QA y transición del ticket, con defectos si los hubo.

KATA (Komponent Action Test Architecture)

El step 7 implementa los casos candidatos sobre una arquitectura por capas: cuatro capas nombradas, más Steps como capa opcional, con una sola dirección de dependencia. Una capa puede usar las de abajo y nunca al revés. Dos advertencias: las letras del acrónimo no son las capas, y el decorador @atc no crea un artefacto nuevo. Nombra la representación en código del mismo caso que ya existía en el gestor de pruebas.

Los pasos del QA Automation y las capas de KATA
Los steps 6 a 9 (las etapas del TALC) y las capas de KATA donde se implementan. Ver a tamaño completo.
Capa Nombre Ejemplo Qué contiene
(consumidor) Test files Orquestan ATCs en escenarios y consumen los Fixtures. No son una capa.
L4 Fixtures *Fixture.ts Punto de inyección de dependencias hacia el archivo de test.
L3.5 (opcional) Steps AuthSteps.ts Cadenas de precondición reutilizables. No llevan @atc.
L3 Componentes de dominio UsersApi, LoginPage Aquí, y solo aquí, viven los métodos con el decorador @atc('KEY').
L2 Base ApiBase.ts · UiBase.ts Helpers HTTP y helpers de Playwright.
L1 TestContext TestContext.ts Config, logger, faker y entorno. Agnóstico de API y de UI.

Contar los archivos de test como una capa más es el origen de los conteos de cinco y seis capas que circulan. Un ejemplo de decorador es @atc('PROJ-101'): ata el método a su caso en Jira.

Dónde conviene poner el esfuerzo

Automatizar todo al nivel de interfaz es la forma más cara de tener una suite frágil. La pirámide reparte el esfuerzo: mucha prueba barata abajo, poca prueba cara arriba y, en el medio, lo que verifica que las piezas se hablen.

Nivel Proporción Qué verifica Ejemplos
E2E UI Tests 10% El flujo completo desde la interfaz, como lo haría una persona. Los más lentos y los que más cuesta mantener. Login, compra de punta a punta, registro de usuario
Integration / Service Tests 20% Cómo hablan entre sí componentes y servicios, sin pasar por la interfaz. Velocidad media, buena cobertura. Integración de APIs, operaciones contra la base, comunicación entre servicios
Unit Tests 70% Funciones y componentes aislados. Los escribe quien desarrolla y corren en segundos. Validación de funciones, componentes aislados, lógica de negocio

Enfoques y herramientas de la fase

Continuous Testing
Testing automatizado integrado en la pipeline, que corre con cada cambio.
Agile Testing
Ciclos de prueba que caben dentro del sprint y no lo empujan hacia adelante.
AI-Driven
IA aplicada a acelerar el análisis, la documentación y la cobertura.
Herramienta Para qué en esta fase
Playwright El runner de los casos automatizados, base de la arquitectura KATA.
GitHub Actions (o CI equivalente) La pipeline donde la suite corre en cada cambio y se comprueba que no sea flaky.
Docker El entorno reproducible: la suite corre igual en la máquina del QA que en CI.
Xray El TMS donde el caso vive, cambia de estado y se agrupa en el ATS de su historia.

En este repo

Stage Skill
Documentation (steps 4-6) /test-documentation
Automation (steps 7-9) /test-automation, con /pr-review-lead y /judgment-day como verificadores

La frontera entre los dos stages es el veredicto estampado con approve to automate (In Review → Candidate). El registro de componentes y ATCs que existen es kata-manifest.json, en la raíz del repo, y el DoD de cada stage está en .agents/skills/agentic-qa-core/references/stage-gates.md. Más detalle en El IQL en este repo.

Anterior

Early-Game

Prevención, steps 1-4: análisis, planning y exploración.

Volver

El IQL completo

Las tres fases, los stages y el bucle completo.

Siguiente

Late-Game

Observación, steps 10-15: regresión y producción.