Replay QA: el debugger con IA que caza bugs

Más de 900 bugs en 40 apps: la prueba que Replay puso sobre la mesa

Replay corrió su herramienta Replay QA sobre 40 aplicaciones que ganaron concursos o fueron promovidas por plataformas de creación de apps como Lovable, Replit, Base44 y Bolt.new. El resultado, según la compañía: más de 900 bugs, confirmados y deduplicados con ayuda de Astra. Para un founder que publica producto cada semana, ese número no es una curiosidad técnica: es la factura oculta de la velocidad.

La tesis de Replay es directa. Es posible detectar y corregir automáticamente cada bug que enfrentan los usuarios en la web, y todavía nadie lo ha logrado. Su apuesta es que la pieza que falta no es un agente de código más potente, sino mejor observabilidad.

Replay QA ya está en disponibilidad general y es gratis para probar, según el anuncio de la compañía. Incluye integraciones para análisis de sesiones de usuario con autocorrección, conexiones con GitHub y con agentes, y ejecuciones programadas.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Qué es un time travel debugger y por qué cambia el debugging con agentes de IA?

El núcleo tecnológico de Replay es un time travel debugger para Chromium y Node.js. La compañía mantiene versiones bifurcadas de esos runtimes que capturan las entradas no deterministas con bajo overhead, lo que permite reproducir la ejecución de forma determinista. Todo lo que la aplicación hizo mientras se grababa se puede recuperar y descomprimir en lo que, en la práctica, es una base de datos: cada sentencia ejecutada, el estado en cada punto, cada dependencia de control y de datos.

Eso es lo que Replay llama observabilidad perfecta. Con ella, un agente no necesita adivinar: puede reconstruir exactamente qué pasó y llegar a la causa raíz real.

El contraste se ve en los ejemplos que publica la compañía. En la app CallVance, un botón de descarga no funcionaba. El reporte de QA Wolf identificó el bug y generó los pasos para reproducirlo, pero no explicó qué lo causaba: un agente que tome ese ticket tiene que leer el código y suponer. El reporte de Replay QA sobre el mismo botón señala el problema exacto —un handler onClick ausente en el componente de React— y adjunta la evidencia: la función de render asociada al botón y el handler faltante.

El segundo ejemplo es más interesante para equipos de producto: un layout shift en la misma app, donde un skeleton cambiaba de tamaño mientras cargaba y los controles de la página se movían solos. El reporte describe la causa raíz en relación con todos los factores que contribuyen, incluidos los distintos commits de React, las peticiones de red en el medio y los valores de variables en las funciones de render.

¿Por qué los agentes de IA necesitan observabilidad y no más código?

La evidencia externa respalda el diagnóstico. Un estudio de investigadores de Harvard sobre datos agregados de Jellyfish —300 millones de eventos de trabajo en más de 700 empresas y 700.000 empleados, entre 2021 y marzo de 2026— encontró que la introducción de agentes de código eleva un 30% las líneas de código generadas, un 20% los commits y un 23% los pull requests, pero no mueve de forma estadísticamente significativa la tasa de resolución de issues y epics, según reportó Ars Technica. La revisión humana se convierte en el cuello de botella.

El mercado ya se está moviendo en esa dirección. TechCrunch contó 106 empresas financiadas por Y Combinator relacionadas con observabilidad de IA, y señaló que startups como Braintrust, LangChain y Judgment Labs levantaron cientos de millones de dólares. En paralelo, Datadog dijo en septiembre que la monetización de la observabilidad de agentes de IA ya comenzó, con miles de clientes usando la capacidad, y Dynatrace reportó un crecimiento de su ARR del 17% hasta US$2.136 millones, según el análisis publicado por Yahoo Finance.

El problema que estos números describen es concreto: los agentes actúan más rápido y en mayor volumen de lo que un humano puede revisar. En el incidente de Hugging Face que cubrió TechCrunch, cerca de 12.000 agentes coordinaban a una velocidad imposible de seguir a mano.

El elefante en la habitación: las apps generadas con IA están llenas de bugs

Replay no eligió esas 40 apps al azar. Las plataformas de vibe coding producen software funcional a una velocidad sin precedentes, y también producen deuda técnica y agujeros de seguridad.

Lifehacker recogió dos investigaciones que dimensionan el problema. La firma de seguridad Escape DAST analizó 5.600 apps creadas con plataformas como Lovable, Replit, Base44 y Bolt en 2025: más de 2.000 tenían problemas de seguridad, con 2.038 vulnerabilidades críticas y más de 400 credenciales expuestas. Por su parte, RedAccess escaneó más de 380.000 aplicaciones generadas con IA y encontró más de 5.000 accesibles públicamente en la web abierta, de las cuales 2.000 filtraban datos de empresa.

Ese es el terreno donde compite Replay QA. No es solo una herramienta de calidad: es una respuesta a un ecosistema donde cualquiera puede publicar una app en minutos y nadie sabe qué está roto hasta que un usuario lo reporta.

¿Qué significa esto para tu startup?

Si tu equipo ya usa agentes de código, el cuello de botella se movió de escribir a verificar. Estas son las decisiones que conviene tomar ahora:

Mide la tasa de resolución, no las líneas de código. El estudio de Harvard muestra que más código generado no se traduce automáticamente en más features entregadas. Arma un tablero con issues cerrados por semana y tiempo medio hasta el fix. Si esas dos métricas no se mueven mientras los PRs crecen, tienes un problema de verificación, no de velocidad.
Audita tus apps vibe-coded antes de que las audite Google. Revisa si tus prototipos internos están indexados por buscadores, si exponen bases de datos o credenciales, y si el default de la plataforma es público o privado. Los datos de RedAccess y Escape DAST indican que el default es la política de seguridad real de la mayoría de los equipos.
Prueba el ciclo completo antes de comprar. Replay QA es gratis para probar y se conecta con agentes y con GitHub. Córrelo sobre una app propia con bugs conocidos y evalúa si el reporte te da la causa raíz o solo el síntoma. Esa diferencia es la que determina si tu agente arregla el bug en un intento o entra en un ciclo de reparaciones.
Exige evidencia en cada reporte de bug. Un ticket que dice "el botón no funciona" obliga a tu equipo a investigar. Uno que dice "falta el handler onClick en este componente, aquí está la función de render" se puede delegar a un agente sin supervisión constante.

Conclusión

La promesa de Replay —detectar y corregir automáticamente cada bug de la web— sigue siendo una meta, no un hecho consumado. Pero el diagnóstico de fondo es difícil de discutir: los agentes de IA son tan buenos como el contexto que reciben, y la observabilidad es ese contexto. Un agente que no sabe cómo se comporta realmente la app empieza a adivinar, y ahí es donde se pierden los ciclos de reparación.

Para los founders hispanohablantes que construyen con equipos chicos, la lectura práctica es que la ventaja competitiva se está corriendo de "quién escribe más código" a "quién entiende más rápido qué está fallando". Invertir en observabilidad antes de escalar el equipo de producto es más barato que contratar para apagar incendios.