Soy Andrés Felipe Celis Gómez, ingeniero de QA y exlíder de QA. Combino la automatización de pruebas con el liderazgo técnico.
Mi experiencia abarca los sectores financiero y de entretenimiento, con productos web, móviles, API y microservicios. He liderado y mentorizado equipos de QA en múltiples regiones del mundo, manteniendo un rol práctico en la automatización de pruebas de API, UI y pruebas unitarias en Java. También desarrollo proyectos de IA y exploro cómo los flujos de trabajo asistidos por IA pueden fortalecer la calidad del software.
Mi trayectoria combina roles de QA, consultoría tecnológica independiente y estudios de posgrado, integrando trabajo técnico, liderazgo y aprendizaje continuo. Selecciona una tarjeta para ver los detalles.
Un ciclo de calidad potenciado por IA
Este enfoque propuesto conecta el desarrollo de software, QA y la evaluación de IA generativa y agéntica. Los agentes con un alcance delimitado pueden acelerar el análisis y la investigación; las personas definen la calidad, verifican los fallos y toman las decisiones de liberación.
IA para QA Proponer casos, datos de prueba e hipótesis de investigación para revisión humana.
QA para IA Evaluar resultados variables, acciones de agentes de varios pasos, uso de herramientas y seguridad.
01
Especificar y evaluar riesgos
Mapear recorridos de usuario, arquitectura y criterios de aceptación. Incluir modos de fallo de la IA y los agentes cuando formen parte del producto.
Habilidad del agente
Revisión de especificaciones · mapeo de riesgos
02
Construir y diseñar la cobertura
Combinar pruebas unitarias, de API, UI y regresión con casos de referencia, rúbricas de evaluación y tareas de varios pasos para las funciones de IA.
Habilidad del agente
Casos candidatos · datos sintéticos
03
Ejecutar y evaluar
Ejecutar automatizaciones y pruebas exploratorias. Inspeccionar resultados, trazas y llamadas a herramientas; evaluar inyección de prompts y exposición de datos cuando corresponda.
Habilidad del agente
Análisis de trazas · agrupación de fallos
04
Liberar y aprender
Revisar la cobertura y el riesgo residual para una decisión humana de liberación. Convertir defectos y señales de producción en nuevos casos de regresión.
Habilidad del agente
Resumen de evidencias · actualización de casos
Ciclo de retroalimentación con IAObservar fallos → proponer nuevos casos y salvaguardas → revisar → reevaluar.
Proyectos recientes con IA
Estos proyectos de desarrollo de software reflejan curiosidad y aprendizaje práctico. Complementan mi experiencia profesional en QA; no se presentan como trabajos de QA para clientes.
Hardcore AI + 30X - Demo del programaJul 2026
Tinwa
Un asistente de IA para estudios de arquitectura, diseñado para consolidar cotizaciones de proveedores en propuestas que requieren aprobación humana.
Identifiqué el problema, especifiqué la arquitectura con AIDLC, implementé parte del MVP previsto, orquesté agentes con OpenSymphony y desplegué una versión inicial en producción.
AIDLCOrquestación de agentesAprobación humana
Hackathon de AI Tinkerers + OpenAISep 2026
Xentinela
Una propuesta de agente móvil de IA para detectar señales de estafas telefónicas y alertar a los usuarios.
En una hackathon de AI Tinkerers patrocinada por OpenAI, contribuí al planteamiento y la especificación del problema e implementé parte del backend del MVP.
Hardcore AI incluyó módulos específicos de QA y seguridad. También completé el MIT Entrepreneurship Online Bootcamp (2018). Anteriormente, Happtic, una propuesta de apoyo al aprendizaje mediante una aplicación móvil y estímulos vibrotáctiles, fue seleccionado como ganador de Ayudapps por Colciencias.