Ito es una solución automatizada de QA que audita pull requests con agentes capaces de analizar código para ayudar a los equipos de ingeniería ágiles a detectar regresiones y problemas de usabilidad sin mantener scripts de pruebas manuales.
Ito es una solución automatizada de QA que audita pull requests con agentes capaces de analizar código. Se centra en el comportamiento en tiempo de ejecución en un navegador real para ayudar a los equipos a detectar regresiones y problemas de usabilidad sin mantener scripts de pruebas manuales.
La solución está dirigida a equipos de ingeniería ágiles que quieren cobertura en cada PR. Ito lee el diff y el contexto del PR, crea planes de pruebas específicos, ejecuta la aplicación en un contenedor aislado y publica en GitHub evidencias como vídeos, capturas de pantalla, pasos para reproducir el problema y detalles del error.
Ito lee el diff completo y la descripción del PR, y luego crea un plan de pruebas centrado en lo que probablemente afectará el cambio. Los equipos también pueden añadir instrucciones en lenguaje sencillo sobre lo más importante, como la seguridad, la accesibilidad o el rendimiento.
Cada PR se ejecuta en un contenedor limpio y de un solo uso creado a partir del propio cambio. Ito ejecuta la aplicación en un navegador real sobre el código real, en lugar de usar un mock o una instantánea.
Los agentes interactúan con el inicio de sesión, la navegación, el envío de formularios, las llamadas al backend y otros flujos de la aplicación que afecta el PR. La fuente hace hincapié en el comportamiento en tiempo de ejecución, incluidos los tiempos, el estado y las rutas de integración que una revisión estática no puede observar.
Ito registra cada ejecución y publica los resultados en el PR y en el panel. Las evidencias pueden incluir vídeos, capturas de pantalla, pasos para reproducir el problema y las líneas exactas de código responsables del fallo.
El sistema puede ejecutar comprobaciones de flujo principal, casos límite, escenarios adversariales, lógica, accesibilidad, dispositivos móviles y experiencia de usuario, según lo que haya cambiado. El plan se pondera según el diff, la descripción del PR, las directrices del repositorio y lo aprendido de ejecuciones anteriores.
La solución se ejecuta como una comprobación de GitHub y, de forma predeterminada, no bloquea las fusiones; hay configuración disponible por repositorio. Está diseñada para integrarse en la revisión de PR, no para sustituirla.
Usa Ito cuando un equipo quiere cobertura automatizada en cada PR sin escribir y mantener una suite de pruebas independiente para cada flujo. La solución está diseñada para inferir qué cambió a partir del diff y ejecutar automáticamente las comprobaciones pertinentes.
Usa Ito en aplicaciones donde el comportamiento en tiempo de ejecución importa más que la revisión estática, como la autenticación, los cambios de estado, las redirecciones o las llamadas al backend que pueden fallar solo cuando se ejecuta la aplicación.
Usa Ito cuando los revisores necesitan evidencias concretas en el pull request, incluidos un vídeo, capturas de pantalla y pasos para reproducir el problema vinculados al fallo. Esto agiliza la clasificación en comparación con una simple señal de aprobado o fallido.
Usa Ito cuando los equipos quieren que el plan de pruebas refleje prioridades del proyecto como la accesibilidad, el rendimiento, la usabilidad móvil o la seguridad. Esas prioridades se pueden indicar en lenguaje sencillo y aplicar en todos los PR.
Usa Ito en flujos de revisión basados en GitHub donde las comprobaciones deben ejecutarse automáticamente, pero no necesariamente bloquear todas las fusiones de forma predeterminada. La solución está diseñada para aparecer en el comentario del PR y en el flujo de comprobaciones de GitHub.
Ito sustituye la capa de regresión manual de QA. Está diseñado para equipos que quieren comprobaciones automatizadas en los pull requests, mientras mantienen en manos de las personas la estrategia de QA, las pruebas exploratorias y la planificación de lanzamientos.
Ito ejecuta el producto real en un navegador real y recorre los flujos de usuario de principio a fin. La fuente describe esto como pruebas de comportamiento, en lugar de un análisis limitado al código fuente.
La página de precios indica que el equipo puede obtener sus primeros resultados en menos de 60 minutos, y las preguntas frecuentes señalan que la configuración tarda unos 60 minutos desde la instalación hasta la primera prueba de un PR. Un administrador de la organización de GitHub puede configurarlo para que se ejecute en los PR.
Cuando Ito encuentra un error, publica un comentario de GitHub en el PR con un vídeo del fallo, pasos para reproducirlo y el flujo afectado. La página de precios también indica que los vídeos y las capturas de pantalla se publican directamente en los PR de GitHub.
Actualmente, Ito admite aplicaciones web y API HTTP. Las preguntas frecuentes indican que las aplicaciones móviles nativas están en la hoja de ruta.
Los datos de tráfico son solo como referencia.
| may | 10654 |
|---|---|
| jun | 11690 |
| jul | 33143 |
Las analíticas de tráfico aún no están disponibles.
langfuse.com
Plataforma de ingeniería de IA de código abierto para rastrear, evaluar y mejorar aplicaciones y agentes basados en modelos de lenguaje (LLM).
waydev.co
Plataforma de inteligencia de ingeniería que mide la adopción de la IA, rastrea su impacto desde el código hasta producción y cuantifica el ROI para equipos de software.
dynatrace.com
Plataforma de observabilidad basada en IA para obtener visibilidad unificada de aplicaciones, infraestructura, seguridad y experiencia digital, analizar datos en contexto, automatizar flujos de trabajo y actuar ante problemas.
anomalo.com
Plataforma empresarial de monitoreo de la calidad y observabilidad de datos para detectar cambios, investigar problemas y generar información útil.
elementary-data.com
Elementary es un plano de control para la fiabilidad de datos e IA que ayuda a los equipos de ingeniería y negocio a supervisar, gobernar y explorar datos confiables.
futureagi.com
Plataforma para evaluar, simular y supervisar agentes de IA. Los equipos pueden probar conversaciones, aplicar controles en tiempo de ejecución e investigar fallos en producción.
