{"id":27156,"date":"2021-11-18T13:11:19","date_gmt":"2021-11-18T12:11:19","guid":{"rendered":"https:\/\/www.mtp.es\/?p=27156"},"modified":"2021-11-18T13:11:19","modified_gmt":"2021-11-18T12:11:19","slug":"caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software","status":"publish","type":"post","link":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/","title":{"rendered":"Caso de uso: JanIA\u00ae para la predicci\u00f3n del riesgo de aplicaciones software"},"content":{"rendered":"

JanIA\u00ae<\/strong> es la plataforma de inteligencia artificial de MTP<\/strong> que tiene como fin explotar la informaci\u00f3n generada por los procesos y entornos de software donde se ejecutan aplicaciones para, con un aprendizaje autom\u00e1tico, conseguir un gobierno del software<\/em> que contribuya al aseguramiento y calidad de los sistemas.<\/p>\n

En este post, vamos a explicar una aplicaci\u00f3n pr\u00e1ctica de JanIA\u00ae<\/strong><\/a>, tecnolog\u00eda que redunda en beneficios para el cliente.<\/p>\n

Problema<\/strong><\/h3>\n

Las organizaciones que ponen en explotaci\u00f3n sistemas TIC, bien porque llevan a cabo el desarrollo y mantenimiento del software<\/em> (SW), bien porque lo adquieren a un tercero, precisan disponer de soluciones que ayuden<\/strong>, en etapas tempranas del ciclo de vida, a reorientar el esfuerzo en las tareas t\u00e9cnicas del SDLC (desarrollo y mantenimiento), as\u00ed como facilitar la toma decisi\u00f3n del paso a explotaci\u00f3n de aplicativos SW para el objetivo final de minimizar el n\u00famero de incidencias en producci\u00f3n, reducir costes de mantenimiento y reducir el time-to-market<\/em><\/strong>.<\/p>\n

Soluci\u00f3n<\/strong><\/h3>\n

Desde MTP<\/a> se ha puesto en pr\u00e1ctica la Inteligencia Artificial<\/strong>, en concreto algoritmos de aprendizaje autom\u00e1tico, con el fin de predecir el riesgo de aplicaciones software<\/em><\/strong>.<\/p>\n

Para aplicar modelos predictivos<\/strong>, hace falta disponer de datos de calidad y en cantidad. Para ello, se han empleado los que se disponen en los entornos de pruebas y de explotaci\u00f3n, lo que permite establecer correlaciones entre los datos de entrada y las incidencias que se producen en explotaci\u00f3n y de esta forma poder predecir el riesgo de una aplicaci\u00f3n.<\/p>\n

Para poder entrenar el modelo<\/strong> se han empleado los siguientes datos: an\u00e1lisis est\u00e1ticos de calidad del c\u00f3digo fuente, pruebas funcionales, pases a producci\u00f3n e Incidencias identificadas en producci\u00f3n. Los resultados se visualizan en un sencillo cuadro de mando (v\u00e9ase la siguiente ilustraci\u00f3n).<\/p>\n

\"\"<\/a>La implementaci\u00f3n se ha llevado a cabo empleando JanIA\u00ae, que es una soluci\u00f3n de inteligencia artificial para explotar al m\u00e1ximo los datos generados a lo largo del SDLC (los cuales est\u00e1n actualmente infrautilizados), aprender de ellos y luego enfocar el esfuerzo de desarrollo y pruebas donde realmente se necesita. Se trata de evitar promociones de software<\/em> a entornos productivos propensas a errores e identificar acciones preventivas para mejorar los contratos, los procesos, las actividades y los entornos de desarrollo del software. JanIA Digital Business Assurance\u00ae est\u00e1 registrada como Marca de La Uni\u00f3n Europea con n\u00famero 018274954 por M\u00e9todos y Tecnolog\u00eda de Sistemas y Procesos, S.L. (MTP).<\/strong><\/p>\n

\"\"<\/a><\/p>\n

Ilustraci\u00f3n 1: Cuadro de Mando JanIA\u00ae para la predicci\u00f3n del riesgo de aplicaciones<\/p>\n

Resultados<\/strong><\/h3>\n

Los modelos predictivos han permitido calcular, con cierto nivel de confianza, el riesgo de una aplicaci\u00f3n antes de comenzar las pruebas de validaci\u00f3n, por lo que ha ayudado a orientar las pruebas a aquellas funcionalidades con niveles de fiabilidad y seguridad inferiores a las esperadas. Asimismo, tambi\u00e9n se ha empleado antes de pasar una aplicaci\u00f3n a producci\u00f3n como soporte a la toma de decisi\u00f3n del GO-NOGO a dicho entorno porque el n\u00famero de incidencias previsto es superior a un umbral establecido.<\/p>\n

La soluci\u00f3n JanIA\u00ae para predicci\u00f3n del riesgo de aplicaciones ha permitido ahorrar costes, porque cada incidencia detectada en una fase es aproximadamente 10 veces m\u00e1s barata que detectarla en la siguiente (Barry Boehm). Tambi\u00e9n ha permitido reorientar el esfuerzo<\/strong> en aquellas \u00e1reas funcionales con mayor densidad de incidencias y de esta forma tambi\u00e9n reducir el n\u00famero de incidencias<\/strong>. Y, por \u00faltimo y no menos importante, por el hecho de evitar promociones de aplicaciones que posteriormente se tendr\u00edan que rechazar, tambi\u00e9n se ha conseguido reducir el time-to-market<\/em><\/strong>.<\/p>\n

Luis Redondo<\/strong><\/p>\n

Responsable de\u00a0Innovaci\u00f3n<\/strong>\u00a0de MTP<\/p>\n","protected":false},"excerpt":{"rendered":"

JanIA\u00ae es la plataforma de inteligencia artificial desarrollada por MTP para aplicar esta tecnolog\u00eda al \u00e1mbito del aseguramiento integral de negocios digitales. Explicamos un caso pr\u00e1ctico de c\u00f3mo JanIA\u00ae permite predecir riesgos de funcionamiento en el software de aplicaciones.<\/p>\n","protected":false},"author":9,"featured_media":27154,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[204],"tags":[],"class_list":["post-27156","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-archivo"],"acf":[],"yoast_head":"\nCaso de uso: JanIA predice riesgos en apps software | MTP<\/title>\n<meta name=\"description\" content=\"Explicamos un caso pr\u00e1ctico de c\u00f3mo JanIA\u00ae, plataforma de inteligencia artificial de MTP permite predecir riesgos en el software.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Caso de uso: JanIA predice riesgos en apps software | MTP\" \/>\n<meta property=\"og:description\" content=\"Explicamos un caso pr\u00e1ctico de c\u00f3mo JanIA\u00ae, plataforma de inteligencia artificial de MTP permite predecir riesgos en el software.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/\" \/>\n<meta property=\"og:site_name\" content=\"MTP Espa\u00f1a\" \/>\n<meta property=\"article:published_time\" content=\"2021-11-18T12:11:19+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/mtp.global\/es\/wp-content\/uploads\/2021\/11\/MTP_JaniIA.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"MTP\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"MTP\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"4 minutos\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Caso de uso: JanIA predice riesgos en apps software | MTP","description":"Explicamos un caso pr\u00e1ctico de c\u00f3mo JanIA\u00ae, plataforma de inteligencia artificial de MTP permite predecir riesgos en el software.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/","og_locale":"es_ES","og_type":"article","og_title":"Caso de uso: JanIA predice riesgos en apps software | MTP","og_description":"Explicamos un caso pr\u00e1ctico de c\u00f3mo JanIA\u00ae, plataforma de inteligencia artificial de MTP permite predecir riesgos en el software.","og_url":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/","og_site_name":"MTP Espa\u00f1a","article_published_time":"2021-11-18T12:11:19+00:00","og_image":[{"width":1920,"height":1080,"url":"https:\/\/mtp.global\/es\/wp-content\/uploads\/2021\/11\/MTP_JaniIA.jpg","type":"image\/jpeg"}],"author":"MTP","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"MTP","Tiempo de lectura":"4 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/#article","isPartOf":{"@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/"},"author":{"name":"MTP","@id":"https:\/\/mtp.global\/es\/#\/schema\/person\/1186350db6f59e8360dd481150654813"},"headline":"Caso de uso: JanIA\u00ae para la predicci\u00f3n del riesgo de aplicaciones software","datePublished":"2021-11-18T12:11:19+00:00","mainEntityOfPage":{"@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/"},"wordCount":637,"publisher":{"@id":"https:\/\/mtp.global\/es\/#organization"},"image":{"@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/#primaryimage"},"thumbnailUrl":"https:\/\/mtp.global\/es\/wp-content\/uploads\/2021\/11\/MTP_JaniIA.jpg","articleSection":["Archivo"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/","url":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/","name":"Caso de uso: JanIA predice riesgos en apps software | MTP","isPartOf":{"@id":"https:\/\/mtp.global\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/#primaryimage"},"image":{"@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/#primaryimage"},"thumbnailUrl":"https:\/\/mtp.global\/es\/wp-content\/uploads\/2021\/11\/MTP_JaniIA.jpg","datePublished":"2021-11-18T12:11:19+00:00","description":"Explicamos un caso pr\u00e1ctico de c\u00f3mo JanIA\u00ae, plataforma de inteligencia artificial de MTP permite predecir riesgos en el software.","breadcrumb":{"@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/#primaryimage","url":"https:\/\/mtp.global\/es\/wp-content\/uploads\/2021\/11\/MTP_JaniIA.jpg","contentUrl":"https:\/\/mtp.global\/es\/wp-content\/uploads\/2021\/11\/MTP_JaniIA.jpg","width":1920,"height":1080},{"@type":"BreadcrumbList","@id":"https:\/\/mtp.global\/es\/blog\/archivo\/caso-de-uso-jania-para-la-prediccion-del-riesgo-de-aplicaciones-software\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/mtp.global\/es\/home\/"},{"@type":"ListItem","position":2,"name":"Caso de uso: JanIA\u00ae para la predicci\u00f3n del riesgo de aplicaciones software"}]},{"@type":"WebSite","@id":"https:\/\/mtp.global\/es\/#website","url":"https:\/\/mtp.global\/es\/","name":"MTP Global","description":"","publisher":{"@id":"https:\/\/mtp.global\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/mtp.global\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/mtp.global\/es\/#organization","name":"MTP Global","url":"https:\/\/mtp.global\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/mtp.global\/es\/#\/schema\/logo\/image\/","url":"https:\/\/mtp.global\/es\/wp-content\/uploads\/2024\/07\/MTP-global.png","contentUrl":"https:\/\/mtp.global\/es\/wp-content\/uploads\/2024\/07\/MTP-global.png","width":1200,"height":400,"caption":"MTP Global"},"image":{"@id":"https:\/\/mtp.global\/es\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/mtp.global\/es\/#\/schema\/person\/1186350db6f59e8360dd481150654813","name":"MTP","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/mtp.global\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/9f80fcebb065607a1066a38846083841707346cf76ca0c1df24aea7a0c5d4047?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/9f80fcebb065607a1066a38846083841707346cf76ca0c1df24aea7a0c5d4047?s=96&d=mm&r=g","caption":"MTP"},"url":"https:\/\/mtp.global\/es\/blog\/author\/marketing\/"}]}},"fimg_url":"https:\/\/mtp.global\/es\/wp-content\/uploads\/2021\/11\/MTP_JaniIA.jpg","_links":{"self":[{"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/posts\/27156","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/comments?post=27156"}],"version-history":[{"count":0,"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/posts\/27156\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/media\/27154"}],"wp:attachment":[{"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/media?parent=27156"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/categories?post=27156"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/mtp.global\/es\/wp-json\/wp\/v2\/tags?post=27156"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}