Modelo de automatización de pruebas de APIs utilizando herramientas de inteligencia artificial para optimización de procesos de desarrollo en fábricas de software

• Autores: Tejada Mendoza, Luis Carlos, Salazar Revoredo, Emmanuel
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/687926
• Enlace del recurso: http://hdl.handle.net/10757/687926
• Nivel de acceso: acceso abierto
• Materia: API; Pruebas; IA; Postman; Postbot; Automatización; Tests; Automation; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

El flujo de trabajo de pruebas de API puede ser ineficiente y demandar un alto consumo de tiempo y esfuerzo. Los equipos de desarrollo y pruebas enfrentan dificultades para generar conjuntos de pruebas relevantes y eficientes, lo que retrasa el ciclo de desarrollo y compromete la calidad del software. En este trabajo, proponemos un modelo que integra herramientas de automatización y de inteligencia artificial para optimizar la generación y ejecución de conjuntos de pruebas de APIs complejas con múltiples endpoints y parámetros. El modelo se estructura en tres fases principales. La primera, de filtrado basado en contenido, utiliza Postbot para analizar la documentación de la API y generar un conjunto inicial de pruebas a partir de los endpoints identificados. La segunda, de filtrado colaborativo, examina los resultados de las ejecuciones previas y proporciona recomendaciones personalizadas que fortalecen la relevancia y calidad de los casos de prueba. Finalmente, mediante Newman, las pruebas se ejecutan en flujos de trabajo de integración continua, lo que permite su ejecución automatizada y la generación de informes de resultados para el monitoreo del rendimiento de las APIs La implementación de este modelo logra reducir significativamente el tiempo y esfuerzo invertidos en la creación de conjuntos de prueba, además de disminuir la incidencia de errores en entornos productivos. Como aporte, este estudio ofrece un enfoque práctico y adaptable que contribuye a la optimización del proceso de pruebas de API, favoreciendo el desarrollo de sistemas más robustos, confiables y eficientes