Ingeniero de Automatización de QA en Madrid

Entendemos que la flexibilidad y la confianza son esenciales para nuestros equipos. Estos son algunos de los beneficios que ofrecemos:

• 🏡 Teletrabajo: ¡Hasta 3 días a la semana!

• Conciliación de la vida laboral y familiar: Tenemos horarios de entrada y salida flexibles.

• Horario de verano los viernes: ¡Empieza tus fines de semana temprano!

• 🤝 Bono de recomendación: 1500 € por cada talento que recomiendes (después de 6 meses).

• 🍱 Remuneración flexible: Plataforma COBEE.

• ⚕️ Seguro médico privado: Adeslas.

• 📚 Aprendizaje continuo: Acceso a nuestra plataforma interna para el desarrollo continuo.

• 🌴 Vacaciones: 23 días de vacaciones más un horario intensivo en julio y agosto.

• Teambuilding: ¡Nuestros afterworks y actividades son memorables!

🧭 Sobre el puesto:

Buscamos un QA Automation Engineer (Mid/Senior) para convertir nuestra estrategia de ingeniería de calidad en automatización operativa en cada sprint. Trabajando junto a nuestro QA AI Automation Staff Engineer, quien define los frameworks, estándares y métricas, serás la persona que los construya, amplíe y ejecute dentro de los equipos de producto. Este es un rol práctico (hands-on) y centrado en la entrega. Escribirás y mantendrás pruebas automatizadas en las capas de API, UI, integración y regresión, las integrarás en pipelines de CI/CD y pondrás en práctica técnicas de testing asistidas por IA en el día a día. Trabajarás integrado con desarrolladores, product owners y DevOps para que la calidad se incorpore desde la primera historia y no se inspeccione al final. Ayudarás a Nextlane a pasar de un testing fragmentado y con mucha carga manual hacia una práctica de calidad consistente, automatizada y medible en toda una organización de producto unificada y liderada por plataformas.

• Diseñar, desarrollar y mantener pruebas automatizadas en las capas de API, UI, integración, regresión y datos, siguiendo la estrategia de automatización de QA y los estándares definidos.

• Traducir las historias de usuario y los criterios de aceptación en casos de prueba y escenarios automatizados desde el inicio de cada sprint, trabajando estrechamente con desarrolladores y Product Owners.

• Mejorar los frameworks de automatización compartidos mediante la creación de componentes reutilizables, utilidades, fixtures y constructores de datos de prueba que puedan aprovecharse en distintos equipos.

• Convertir las suites de pruebas de regresión manuales en pruebas automatizadas, centrándose primero en los flujos de trabajo de mayor riesgo y ejecución más frecuente.

• Garantizar que las suites de automatización sigan siendo rápidas, estables y fiables mediante la identificación de pruebas inestables (flaky tests), la resolución de las causas raíz y la eliminación de la cobertura redundante.

• Utilizar herramientas de IA como LLMs, GitHub Copilot y soluciones similares para generar casos de prueba, datos de prueba y scripts de automatización, revisando críticamente los resultados antes de su implementación.

• Pilotar e implementar enfoques de testing impulsados por IA, incluyendo localizadores con autorreparación (self-healing), generación de pruebas basada en especificaciones y triaje de fallos asistido por IA.

• Aprovechar la analítica de pruebas y las tendencias de defectos para identificar áreas de alto riesgo y ayudar a definir las prioridades de testing.

• Compartir aprendizajes, prompts y mejores prácticas con la comunidad de QA para escalar las iniciativas exitosas de testing con IA.

• Integrar las suites de pruebas automatizadas en pipelines de CI/CD utilizando GitHub Actions, con despliegues alojados en AWS y Azure, asegurando que las pruebas se realicen en los commits, pull requests y lanzamientos pertinentes.

• Configurar y mantener puertas de calidad (quality gates), mecanismos de reporte y dashboards que proporcionen feedback rápido y accionable a los equipos.

• Colaborar con los equipos de DevOps para gestionar los entornos de prueba y los datos de prueba, garantizando la reproducibilidad y el control de versiones.

• Monitorizar e informar sobre métricas de QA como la cobertura de automatización, tasas de éxito/fallo, fuga de defectos y tiempos de ejecución.

• Apoyar las actividades de gestión de incidentes mediante:

  • La reproducción y el triaje de problemas en producción.

  • La validación de correcciones y hotfixes.

  • La contribución al análisis de causa raíz y postmortems.

  • La transformación de las lecciones aprendidas en nuevas pruebas de regresión y mejoras de procesos.

• Capacidad para transformar objetivos de alto nivel en planes accionables y soluciones funcionales con una supervisión mínima.

• Enfoque en la construcción de suites de pruebas fiables, mantenibles y valiosas, en lugar de simplemente aumentar el volumen de pruebas.

• Gran capacidad de comunicación y colaboración efectiva con:

  • Desarrolladores

  • Product Owners

  • Colegas de QA

• Capaz de explicar los riesgos y problemas de calidad utilizando evidencia y datos claros.

• Curiosidad por el papel de la IA en el testing de software, manteniendo un enfoque pragmático sobre dónde aporta valor real.