Respuesta
No intento comprimir una semana en dos días. Priorizo por riesgo = probabilidad de falla × impacto y hago visible lo que queda sin cubrir.
1. Mapear el cambio
- Reviso el diff, los tickets incluidos y hablo con los devs: qué módulos tocaron, qué dependencias actualizaron, si hubo migraciones de datos.
- Cruzo con historial de bugs, incidentes en producción y uso real (analytics): los flujos más usados y más frágiles suben.
2. Matriz de riesgo
- Alto impacto + cambiado: login, pagos, checkout. Pruebas profundas, con casos negativos y de borde.
- Alto impacto + no cambiado: smoke y lo que ya cubre la automatización.
- Bajo impacto + cambiado: pruebas exploratorias con tiempo acotado (sesiones de 60 a 90 minutos con un objetivo).
- Bajo impacto + no cambiado: se acepta el riesgo y se deja explícito.
3. Paralelizar y apoyarse en lo automatizado: corro toda la suite de API/UI en CI, reparto áreas entre el equipo e incluyo a devs o producto en exploratorio.
4. Comunicar el riesgo residual: le paso a quien decide el release un resumen claro. Qué se probó, qué no, bugs abiertos con su severidad y mi recomendación. QA informa el riesgo y el negocio decide si lo acepta. No firmo un "está todo probado".
5. Mitigar en producción: propongo feature flags para lo más riesgoso, canary o despliegue gradual, monitoreo y alertas sobre los flujos críticos, y un plan de rollback probado.
Después del release hago una retro. Si la regresión manual lleva una semana, el problema es estructural. Propongo automatizar la regresión crítica en los niveles API y unitario y acordar criterios de entrada al ciclo de QA para que esto no se repita.
Errores comunes
Intentar probar todo superficialmente en vez de priorizar, o decidir solo qué riesgo se acepta sin escalarlo ni documentarlo. También es común no proponer mitigaciones como feature flags o rollback y no atacar la causa de fondo.
Redactado con el asistente Underc0de IA. Actualizado el 18/11/2026. ¿Ves un error? Contanos en el foro.