La evaluación de artefactos web generados por modelos de lenguaje multimodal (MLLM) representa un desafío creciente en la ingeniería de software moderna. Hasta ahora, los benchmarks convencionales se limitaban a comprobar la interacción local, ignorando los estados y transiciones que realmente determinan si una página funciona según los requisitos. Aquí es donde aparece WebRISE, una metodología que convierte los requisitos de tarea en grafos de contrato de interacción (ICG) que capturan estados observables, transiciones de intención de usuario y aserciones DOM/visuales para una ejecución en navegador independiente de la implementación. Con 442 tareas en cinco modalidades de entrada (texto, markdown, boceto, imagen y vídeo), WebRISE revela que incluso los modelos más potentes apenas alcanzan un 65,6 % de validez en transiciones y un 66,3 % de cobertura de requisitos. La calidad visual no es un indicador fiable del comportamiento: por ejemplo, un modelo obtuvo una puntuación visual de 80,8, pero solo un 15,5 en transiciones. El vídeo ofrece la señal de interacción más fuerte, aunque las restricciones implícitas persisten. La inyección de defectos demuestra que la puntuación basada en ICG detecta errores de estado entre 2 y 16 veces más que la evaluación tradicional con puntos de control.
Para las empresas que desarrollan aplicaciones web complejas, esta aproximación subraya la importancia de validar el comportamiento real frente a los requisitos, más allá de la apariencia. En Q2BSTUDIO, como empresa especializada en aplicaciones a medida, entendemos que la calidad del software va más allá de los tests unitarios. Nuestro equipo integra metodologías de verificación avanzadas, combinando inteligencia artificial con análisis de estados para garantizar que cada transición de usuario cumpla con las expectativas del negocio. Además, ofrecemos servicios cloud aws y azure para desplegar entornos de prueba escalables, y servicios inteligencia de negocio con power bi para monitorizar métricas de comportamiento. La evaluación por requisitos no solo mejora la fiabilidad, sino que también reduce costes de mantenimiento.
La visión de WebRISE también resuena con el desarrollo de agentes IA que interactúan con interfaces web. En lugar de depender de capturas de pantalla, estos agentes necesitan entender estados y restricciones implícitas. En Q2BSTUDIO aplicamos principios similares en nuestros proyectos de ia para empresas, donde combinamos software a medida con lógica de contratos de interacción para automatizar procesos críticos sin perder control de calidad. Asimismo, la ciberseguridad juega un papel fundamental al añadir verificaciones de estado que detectan anomalías antes de que afecten al usuario final. Si su organización busca implementar sistemas de evaluación de artefactos web basados en requisitos, nuestro equipo puede diseñar soluciones a medida que integren estas técnicas con sus flujos de trabajo actuales.
