Dos acrónimos para un mismo objetivo. Usar las métricas DORA de DevOps es un gran complemento para cumplir con las exigencias del Reglamento de Resiliencia Operativa Digital de la Unión Europea (DORA) con velocidad.
El mercado global de neobanca habría alcanzado alrededor de USD 210.000 millones en 2025 y se proyecta que se ubique entre USD 310.000 y 322.000 millones en 2026, según estimaciones de Grand View Research y Fortune Business Insights.
Esta transformación coincide con una demanda especialmente alta de experiencias financieras digitales entre millennials y centennials (generación Z). En una encuesta de Deloitte realizada en 2025 en Estados Unidos, ambas generaciones mostraron el mayor riesgo de cambiar de banco: una transferencia lenta y una experiencia poco intuitiva pueden ser suficientes para perder su lealtad.
En muchos casos, estos usuarios eligen a las fintech por velocidad: cuentas que se abren en minutos, funciones nuevas que aparecen cada pocas semanas, una experiencia digital nativa, pensada para el celular desde el primer día.
El sector financiero tradicional necesita poder responder a ese ritmo, con resiliencia y velocidad y, al mismo tiempo, seguir siendo el lugar donde la gente deposita sus ahorros, paga su hipoteca y cobra su sueldo con la certeza de que el sistema va a estar disponible.
¿Qué rol juega en este camino la automatización? ¿Cómo aprovechar la IA para lograrlo? Te lo contamos todo en este artículo. También puedes agendar una llamada con nuestros especialistas.
El desafío central: resiliencia y velocidad, a la vez
La confianza es el activo más valioso de un banco o una aseguradora. Una filtración de datos, un fraude no detectado o una caída de varias horas el día de pago de sueldos daña esa confianza de una forma que ningún lanzamiento nuevo compensa.
Por eso, el sector financiero necesita ser resiliente: sistemas capaces de resistir, responder y recuperarse ante cualquier perturbación tecnológica.
Entregar productos de calidad a los usuarios de hoy exige, además, innovación constante y una velocidad de entrega lo más cercana posible a la de una fintech. Un producto financiero confiable pero estancado, sin mejoras frecuentes, tampoco satisface lo que el mercado espera en 2026.
La calidad de un producto financiero incluye entonces dos componentes:
✔️La confiabilidad de sus sistemas
✔️La capacidad de innovar al ritmo del mercado.
Ambos forman parte de la misma promesa al cliente. Esta doble exigencia tiene un nombre técnico y, de forma casual, comparte sigla: DORA.
Dos DORAs para un mismo objetivo
El acrónimo DORA nombra dos cosas distintas pero complementarias.
- El Reglamento de Resiliencia Operativa Digital de la Unión Europea (DORA) define qué deben proteger las entidades financieras y qué evidencia tienen que mostrar para probar que sus sistemas críticos resisten fallas y ataques. Exige demostrar la resiliencia operativa de los sistemas críticos.
- Las métricas DORA de DevOps miden con qué velocidad y estabilidad un equipo de ingeniería entrega software, a través de cinco indicadores: Change Lead Time, Deployment Frequency, Failed Deployment Recovery Time, Change Fail Rate y Deployment Rework Rate.
El primer marco establece el objetivo regulatorio. El segundo aporta una vara concreta, medible y con más de una década de investigación detrás, para alcanzar ese objetivo sin resignar velocidad de entrega.
Usar las métricas de DevOps es un camino técnico posible para apoyar los objetivos de la regulación sin transformar al banco en una estructura lenta y burocrática.
La resiliencia que exige el regulador, a la velocidad que exige el mercado
En Abstracta, ayudamos a equipos de ingeniería de banca y seguros a cumplir con la regulación sin resignar velocidad, mediante ingeniería de calidad potenciada por IA combinada con experiencia humana.
Si tu equipo evalúa dar este paso, conversemos sobre en qué etapa de madurez está hoy y qué camino te conviene priorizar.
La calidad en producción es la resiliencia real
Los incidentes operativos que golpean a la banca no se limitan a los ciberataques: también pueden originarse en fallas de software, infraestructura y proveedores tecnológicos.
- Entre enero de 2023 y febrero de 2025, 9 grandes entidades financieras del Reino Unido reportaron al menos 158 fallas de TI.
- En la caída de Barclays de enero de 2025, el banco identificó un problema de software en un módulo crítico de su mainframe y descartó un ataque malicioso.
El costo de este tipo de exposición es concreto. Una investigación de Splunk realizada junto con Oxford Economics estima que las interrupciones no planificadas generan un impacto agregado de USD 600.000 millones al año entre las empresas del Global 2000. Cada organización pierde en promedio USD 95 millones anuales en ingresos y registra una caída del 3,4% en el precio de sus acciones después de un incidente.
El Change Failure Rate (CFR), una de las métricas DORA de DevOps, mide justamente lo que origina ese riesgo y qué proporción de los despliegues requiere una intervención inmediata. Además, permite observar la estabilidad con la que una organización lleva cambios a producción.
No es una métrica exigida por la regulación europea DORA, pero convierte uno de sus objetivos centrales (reducir el impacto de las disrupciones tecnológicas) en una señal operativa concreta. Un CFR más bajo reduce la probabilidad de que un cambio de software origine una interrupción grave, aunque no elimina por sí solo los incidentes ni las obligaciones regulatorias.
Bajar el CFR mediante testing riguroso aporta una señal operativa útil para el programa de pruebas de resiliencia que exige la regulación. Menos defectos en producción reduce la probabilidad de interrupciones graves y, con ello, la exposición a costos y obligaciones de reporte.
La automatización y la IA conectan estabilidad con velocidad
Tradicionalmente, aumentar los controles implicaba sumar tareas manuales, aprobaciones y tiempos de espera. Hoy, la automatización avanzada y los agentes de IA permiten ampliar la cobertura de pruebas sin ralentizar el pipeline de despliegue.
Los equipos pueden delegar en agentes tareas como pruebas de regresión, análisis de impacto, generación de datos de prueba y revisión inicial de resultados. Esto reduce el trabajo repetitivo y acelera el Lead Time for Changes, mientras mantiene una validación continua sobre los sistemas financieros críticos.
La automatización y la IA permiten así avanzar sobre dos objetivos que antes parecían enfrentados: llevar cambios a producción con mayor velocidad y sostener la profundidad de los controles que requiere la resiliencia operativa.
La IA con gobernanza gana la confianza de Riesgo y Compliance
Para que Riesgo y Compliance acepten la IA como acelerador, esta no puede operar como una caja negra: necesita un marco de gobierno que defina qué información puede utilizar, qué acciones puede ejecutar, qué decisiones requieren aprobación humana y qué evidencia debe conservar.
Tero es un agent harness open source: la capa de software que convierte modelos de IA de propósito general en agentes especializados y gobernados para workflows de calidad. El modelo aporta el razonamiento, mientras Tero aporta el contexto, los permisos, la supervisión humana y la evidencia de ejecución.
Abstracta Intelligence es nuestra plataforma de IA para entornos enterprise, diseñada para incorporar agentes en flujos reales de QA e ingeniería con contexto, gobernanza y visibilidad sobre su impacto. Combina Tero, nuestro framework open source para operar agentes especializados, con programas de adopción de IA, acompañamiento experto y dashboards que permiten medir resultados y mejorar continuamente.
Así, las organizaciones pueden definir qué información utilizan los agentes, qué acciones pueden ejecutar, qué decisiones requieren supervisión humana y qué evidencia debe conservarse.
Este enfoque mantiene la intervención humana en las acciones críticas y deja un registro revisable de cada ejecución: qué contexto utilizó el agente, qué reglas aplicó, qué resultado generó y quién aprobó la acción. Así, el banco puede demostrar ante auditoría, Riesgo, Compliance y el regulador que incorpora la IA de forma activa y controlada dentro de su gestión del riesgo TIC y sus procesos de prevención de defectos.
Cómo se traduce esto en el pipeline de un banco
Las métricas DORA de DevOps no forman parte del reglamento europeo DORA, pero permiten medir capacidades operativas directamente relacionadas con sus objetivos de resiliencia.
| Métrica DORA de DevOps | Qué mide | Cómo conecta con el reglamento DORA |
| Change Fail Rate | Porcentaje de despliegues que requieren una intervención inmediata, como un rollback o un hotfix. | Permite evaluar la estabilidad de los cambios y reducir la probabilidad de incidentes originados por software. |
| Failed Deployment Recovery Time | Tiempo necesario para recuperar el servicio después de un despliegue fallido. | Se relaciona con la capacidad de responder y recuperarse rápidamente ante una interrupción. |
| Deployment Frequency y Change Lead Time | Frecuencia y velocidad con la que los cambios llegan a producción. | Permiten desplegar parches de seguridad, correcciones y cambios regulatorios de forma ágil y controlada. |
| Deployment Rework Rate | Porcentaje de despliegues no planificados realizados para corregir fallas o incidentes en producción. | Permite identificar cuánto retrabajo generan las fallas y evaluar oportunidades para fortalecer el testing y la gestión de cambios. |
El rol de Abstracta Intelligence: gobierno para que la IA acelere sin agregar riesgo
Un banco que suma agentes de IA gobernados a sus procesos de calidad puede contribuir a mejorar las métricas DORA de DevOps. Los agentes pueden ayudar a reducir el change failure rate y el tiempo de recuperación, al detectar bugs, vulnerabilidades y fallas de lógica antes de que lleguen a producción. También pueden mejorar el lead time y la frecuencia de despliegue, al acelerar regresión, análisis de impacto y generación de datos de prueba.
Su impacto, sin embargo, depende de la calidad del proceso en el que se integran. El reporte DORA 2025 describe la IA como un amplificador: puede aumentar el throughput, pero también la inestabilidad cuando se aplica sobre pipelines, prácticas de testing o plataformas poco maduras.
Abstracta Intelligence aporta la estructura que las áreas de Riesgo y Compliance necesitan para aceptar la IA como acelerador e integrar agentes en workflows de calidad regulados. La plataforma combina tres componentes:
- Tero: nuestro agent harness open source, la capa de software que convierte modelos de IA de propósito general en agentes especializados para workflows de calidad. El modelo aporta el razonamiento, mientras Tero aporta el contexto, los permisos, los controles de ejecución y la evidencia de cada acción.
- Programas de adopción de IA: acompañamiento experto para integrar los agentes en procesos reales, desarrollar las capacidades de los equipos y establecer prácticas de uso seguro.
- Dashboards de impacto: visibilidad sobre los resultados de la adopción para medir mejoras en productividad, calidad y velocidad de entrega, y orientar la mejora continua.
Esta combinación permite tratar a los agentes como software: con criterios de aceptación, supervisión humana para acciones críticas, trazabilidad de cada ejecución y evolución basada en resultados.
El objetivo real
El objetivo no es prometer cero incidentes, eso es algo que ningún marco de calidad puede garantizar. La búsqueda debería estar focalizada en reducir de forma sostenida la probabilidad de que un fallo de software se convierta en una interrupción grave, una crisis reputacional o una sanción regulatoria.
Para competir, los bancos necesitan combinar la velocidad que esperan los usuarios con la solidez operativa que exigen sus sistemas críticos. La banca necesita cerrar esa brecha sin resignar la resiliencia que exige la regulación.
En Abstracta, ayudamos a construir esa hoja de ruta, desde el diagnóstico de madurez hasta la incorporación de los primeros agentes gobernados en los procesos de calidad. Contáctanos.
Preguntas frecuentes
¿Qué son las métricas DORA de DevOps?
Las métricas DORA de DevOps son cinco indicadores que miden la velocidad y estabilidad de la entrega de software: Change Lead Time, Deployment Frequency, Failed Deployment Recovery Time, Change Fail Rate y Deployment Rework Rate.
¿Cómo se relacionan el reglamento DORA de la Unión Europea y las métricas DORA de DevOps?
El reglamento DORA de la Unión Europea y las métricas DORA de DevOps se relacionan porque ambos abordan la resiliencia tecnológica desde ángulos complementarios.
El reglamento establece qué capacidades deben desarrollar las entidades financieras para prevenir, resistir y recuperarse de incidentes, mientras que las métricas de DevOps permiten medir la velocidad y estabilidad con la que llevan cambios de software a producción. No forman parte de las exigencias regulatorias, pero pueden aportar indicadores operativos útiles para alcanzar sus objetivos.
¿La inteligencia artificial mejora automáticamente las métricas de entrega de un equipo?
La inteligencia artificial no mejora automáticamente las métricas de entrega de un equipo. El reporte 2025 de DORA encontró que la IA aumenta la velocidad de entrega, y también puede aumentar la inestabilidad cuando se adopta sobre una base de testing y pipelines poco maduros. La IA amplifica las capacidades que un equipo ya tiene.
¿Qué evidencia necesita un banco para mostrarle al regulador que su uso de IA en calidad de software está gobernado?
Un registro auditable de cada decisión y cada acción de los agentes de IA usados en el proceso de calidad, con aprobación humana para las acciones críticas y criterios de aceptación definidos. El componente de observabilidad de Tero genera esta evidencia de forma nativa.
Sobre Abstracta
Fundada en 2008 y con presencia global, Abstracta es una empresa de tecnología que ayuda a las organizaciones a entregar software de alta calidad más rápido, gracias a la combinación de ingeniería de calidad potenciada por IA con experiencia humana.
Creemos que fortalecer los lazos de forma activa nos permite avanzar y mejorar el software de nuestros clientes. Por eso, a lo largo del tiempo, hemos establecido alianzas con referentes de la industria como Microsoft, Datadog, Tricentis, Perforce BlazeMeter, Sauce Labs y PractiTest.
Fortalece la resiliencia de tus sistemas críticos con IA gobernada y Quality Engineering. Contáctanos.
Recomendado para ti
La IA puede migrar código. ¿Quién valida que el negocio siga funcionando?
¿Cuándo es el momento propicio para automatizar pruebas de software?
¿Has considerado cuándo automatizar pruebas qa y su utilidad principal? Descubre en esta guía cómo decidir si un caso de prueba merece automatización.
Pruebas funcionales automatizadas: Explorando los diferentes tipos de pruebas
Conoce qué pruebas pueden automatizarse, cómo las herramientas y técnicas adecuadas pueden transformar el panorama de la automatización de pruebas y por qué la estrategia de pruebas es fundamental en este proceso.
