Registro de Deuda de Pruebas: Gestión de Áreas No Testeadas y Gaps de Automatización

categorias_deuda_pruebas:
  deuda_cobertura:
    descripcion: "Características o rutas de código no cubiertas por pruebas"
    ejemplos:
      - "Módulos legacy sin pruebas unitarias"
      - "Casos edge no cubiertos en suites de pruebas"
      - "Nuevas características enviadas con testing mínimo"
    impacto_riesgo: "Alto - Defectos desconocidos pueden existir"

  deuda_automatizacion:
    descripcion: "Pruebas que deberían estar automatizadas pero son manuales"
    ejemplos:
      - "Pruebas de regresión ejecutadas manualmente cada release"
      - "Pruebas API realizadas vía Postman en vez de automatizadas"
      - "Verificaciones de datos hechas manualmente"
    impacto_riesgo: "Medio - Ineficiencia, propenso a error humano"

  deuda_mantenimiento:
    descripcion: "Pruebas existentes que están desactualizadas o rotas"
    ejemplos:
      - "Pruebas flaky deshabilitadas temporalmente"
      - "Pruebas fallando debido a cambios UI"
      - "Datos de prueba desactualizados causando fallos"
    impacto_riesgo: "Medio - Falsa confianza, esfuerzo desperdiciado"

  deuda_herramientas:
    descripcion: "Gaps de infraestructura limitando efectividad de pruebas"
    ejemplos:
      - "Sin framework de pruebas de rendimiento"
      - "Disponibilidad limitada de entorno de pruebas"
      - "Herramientas insuficientes de generación de datos de prueba"
    impacto_riesgo: "Medio - Limitaciones de capacidad"

# Registro de Deuda de Pruebas
**Última Actualización**: 2025-10-10
**Owner**: QA Lead
**Frecuencia de Revisión**: Quincenal

## Resumen Ejecutivo
- **Total Ítems de Deuda**: 47
- **Ítems de Alto Riesgo**: 12
- **Esfuerzo Estimado de Payoff**: 340 horas
- **Prioridad para Próximo Sprint**: 5 ítems (80 horas)

---

## Plantilla de Ítem de Deuda

### TD-001: Flujo de Pago - Escenarios de Reembolso No Testeados
**Categoría**: Deuda de Cobertura
**Prioridad**: Alta
**Score de Riesgo**: 8/10

**Descripción**:
Flujos de procesamiento de reembolsos (reembolso completo, parcial, a método de pago original) no han sido testeados debido a limitaciones del entorno de prueba del gateway de pago.

**Componentes Afectados**:
- `payment-service/refund-processor`
- `order-service/refund-handler`
- Frontend: UI de solicitud de reembolso

**Impacto de Negocio**:
- Transacciones financieras en riesgo
- Impacto en satisfacción del cliente si reembolsos fallan
- Potenciales problemas de cumplimiento regulatorio

**Evaluación de Riesgo**:
| Factor | Score (1-10) | Peso | Score Ponderado |
|--------|--------------|------|-----------------|
| Probabilidad de Fallo | 6 | 0.3 | 1.8 |
| Impacto si Ocurre Fallo | 9 | 0.4 | 3.6 |
| Frecuencia de Uso | 7 | 0.2 | 1.4 |
| Dificultad de Detección | 8 | 0.1 | 0.8 |
| **Score de Riesgo Total** | - | - | **7.6/10** |

**Mitigación Temporal**:
- Checklist de testing manual para escenarios de reembolso
- Revisión de código extra para cambios relacionados con reembolsos
- Alertas de monitoreo de producción para fallos de reembolso

**Plan de Payoff**:
- **Estimación de Esfuerzo**: 40 horas
- **Dependencias**: Acceso a sandbox de gateway de pago
- **Timeline**: Sprint 24 (Semana del 21 Oct)
- **Recursos Requeridos**: 1 Ingeniero QA, 1 Experto de Pagos
- **Criterios de Éxito**:
  - Todos los escenarios de reembolso automatizados
  - Pruebas de integración cubriendo respuestas del gateway
  - Casos edge documentados y testeados

**Creado**: 2025-09-15
**Última Actualización**: 2025-10-10
**Estado**: Activo
**Asignado a**: Sarah Chen (QA)

# risk_calculator.py
class CalculadoraRiesgoDeudaPruebas:
    """
    Calcular scores de riesgo para ítems de deuda de pruebas
    """

    def calcular_score_riesgo(self, item_deuda):
        """
        Calcular score de riesgo ponderado basado en múltiples factores
        """
        factores = {
            'probabilidad_fallo': {
                'score': item_deuda.get('probabilidad', 5),
                'peso': 0.3
            },
            'impacto_si_falla': {
                'score': item_deuda.get('impacto', 5),
                'peso': 0.4
            },
            'frecuencia_uso': {
                'score': item_deuda.get('frecuencia', 5),
                'peso': 0.2
            },
            'dificultad_deteccion': {
                'score': item_deuda.get('deteccion', 5),
                'peso': 0.1
            }
        }

        score_riesgo = sum(
            factor['score'] * factor['peso']
            for factor in factores.values()
        )

        return round(score_riesgo, 1)

    def priorizar_items_deuda(self, registro_deuda):
        """
        Priorizar ítems de deuda de pruebas para payoff
        Retorna lista rankeada con recomendaciones de payoff
        """
        items_scored = []

        for item in registro_deuda:
            score_riesgo = self.calcular_score_riesgo(item)
            esfuerzo = item.get('esfuerzo_horas', 0)

            # Calcular ROI: reducción de riesgo por hora de esfuerzo
            roi = score_riesgo / esfuerzo if esfuerzo > 0 else 0

            items_scored.append({
                'id': item['id'],
                'descripcion': item['descripcion'],
                'score_riesgo': score_riesgo,
                'esfuerzo': esfuerzo,
                'roi': round(roi, 3),
                'prioridad': self._calcular_prioridad(score_riesgo, esfuerzo)
            })

        # Ordenar por prioridad (Alto ROI, Alto Riesgo primero)
        return sorted(
            items_scored,
            key=lambda x: (x['prioridad'], -x['roi']),
            reverse=True
        )

    def _calcular_prioridad(self, score_riesgo, esfuerzo):
        """Determinar prioridad basada en riesgo y esfuerzo"""
        if score_riesgo >= 7 and esfuerzo <= 40:
            return 'Crítico'  # Alto riesgo, fix rápido
        elif score_riesgo >= 7:
            return 'Alto'  # Alto riesgo, esfuerzo significativo
        elif score_riesgo >= 5 and esfuerzo <= 24:
            return 'Medio'  # Riesgo medio, esfuerzo razonable
        else:
            return 'Bajo'

hoja_ruta_payoff_deuda:
  sprint_24:
    tema: "Deuda de Alto Riesgo en Pago & Auth"
    capacidad: 80 horas (20% del sprint)
    items:
      - id: TD-001
        titulo: "Escenarios de reembolso de pago"
        esfuerzo: 40h
        asignado_a: "Sarah Chen"
      - id: TD-003
        titulo: "Casos edge de autenticación"
        esfuerzo: 32h
        asignado_a: "Sarah Chen"
    resultado_esperado: "Reducir riesgos de transacciones financieras"

  sprint_25:
    tema: "Ganancias de Eficiencia de Automatización"
    capacidad: 60 horas
    items:
      - id: TD-002
        titulo: "Automatización de responsividad móvil"
        esfuerzo: 24h
        asignado_a: "Mike Davis"
      - id: TD-006
        titulo: "Automatización de suite de regresión"
        esfuerzo: 60h
        asignado_a: "Esfuerzo del equipo"
    resultado_esperado: "Ahorrar 12 horas/sprint en testing manual"

  continuo:
    tema: "Prevenir Nueva Deuda"
    practicas:
      - "Definition of Done incluye criterios de cobertura de pruebas"
      - "Ninguna característica completa sin pruebas automatizadas"
      - "Revisión mensual del registro de deuda"
      - "Ítems de deuda rastreados en planificación de sprint"

## Evaluación de Madurez de Automatización

### Pruebas Unitarias
- **Cobertura Actual**: 78%
- **Cobertura Objetivo**: 85%
- **Gap**: 7% (estimado 40 horas para cerrar)
- **Ítems de Deuda**: TD-012, TD-014, TD-019

### Pruebas de Integración
- **Cobertura Actual**: 45%
- **Cobertura Objetivo**: 70%
- **Gap**: 25% (estimado 120 horas para cerrar)
- **Ítems de Deuda**: TD-001, TD-003, TD-007, TD-013

### Pruebas E2E
- **Cobertura Actual**: 60% (solo rutas críticas)
- **Cobertura Objetivo**: 80%
- **Gap**: 20% (estimado 80 horas para cerrar)
- **Ítems de Deuda**: TD-002, TD-006, TD-010

### Deuda Total de Automatización: 400 horas
### Objetivo de Reducción Trimestral: 100 horas (25%)