Caja negra, caja gris y caja blanca: cuál elegir

Las pruebas de caja negra miran solo entradas y salidas e ignoran cómo está escrito el código. Las de caja blanca leen el código y sus ramas. Las de caja gris están en medio: quien prueba conoce parte de la información interna — API, logs, estructuras de datos, eventos de analítica — sin leer la implementación línea a línea. Las tres prueban la misma funcionalidad; lo que cambia es cuánta información interna tienes y, por tanto, qué preguntas puedes hacer. Elegir mal cuesta caro. Buscar en caja negra un problema que solo la caja gris puede ver —un tipo de campo que cambió, por ejemplo— no aparece ni tras cien pasadas. Al contrario, exigir a testers de negocio que lean código convierte las pruebas en una tarea secundaria de desarrollo.

Las tres cajas comparadas

Dimensión Caja negra Caja gris Caja blanca
Conocimiento interno Casi ninguno: requisitos e interfaz API, logs, estructuras de datos, parte de la implementación Código y estructura completos
Qué verifica Si el comportamiento cumple lo esperado Comportamiento más coherencia interna Ramas, límites, cobertura
Quién lo hace Testers de negocio, producto, customer success Testers que conocen la API, desarrollo Desarrollo
Técnicas típicas Clases de equivalencia, valores límite, tablas de decisión, transición de estados, pairwise Comprobación de API, revisión de logs, validación de analítica, pruebas de contrato Pruebas unitarias, cobertura, análisis estático
Coste El más bajo, se empieza ya Medio, requiere entorno y documentación El más alto, exige leer código
Qué se escapa Problemas que solo aparecen con datos o entornos concretos Problemas de sincronización entre sistemas Problemas que el usuario no percibe
Un hecho que se pasa por alto: lo que un equipo web hace a diario es, en su mayoría, caja gris; simplemente no se llama así. Abrir el panel Red para leer un código de estado o la consola para leer un error ya es usar información interna.

Las cinco técnicas de caja negra

Con un formulario de acceso como ejemplo:
  • Clases de equivalencia: dividir las entradas en «teléfono válido / formato inválido / vacío» y tomar un representante de cada una.
  • Valores límite: una contraseña de 8 a 20 caracteres obliga a probar 7, 8, 20 y 21.
  • Tablas de decisión: combinar «cuenta existe × contraseña correcta × cuenta bloqueada» y verificar cada fila.
  • Transición de estados: sin verificar → verificada → bloqueada, comprobando cada ruta y cada salto ilegal.
  • Pairwise: navegador × sistema × idioma × rol, por pares, para cubrir más combinaciones con menos casos.
  • Ninguna necesita información interna y, en conjunto, convierten «hacer clic por ahí» en un conjunto de casos reutilizable. Cómo redactarlos está en Plantillas de casos de prueba con ejemplos.

    La caja gris en un equipo web, en concreto

    No hace falta leer código. Basta con las herramientas del navegador:
    • Peticiones: confirmar en Red que la API devuelve 200 con un campo cambiado, o directamente 4xx / 5xx;
    • Errores: el texto rojo de la consola suele estar más cerca de la causa que el síntoma visual;
    • Contratos: la documentación dice price: number, la respuesta trae "12.00"; solo la caja gris lo ve;
    • Analítica: un evento que nunca se envía es invisible en la interfaz, pero corrompe decisiones.
    Lo común a los cuatro: ninguno es un «síntoma visible», y todos deciden si el bug se corrige y quién lo corrige.

    Por qué vuelven los informes de caja negra

    Por falta de evidencia. El mismo caso, dos versiones:
    Versión Qué hace el desarrollador
    «El login no hace nada» Pregunta qué cuenta, qué navegador y si la consola muestra algo
    «Chrome 141 / Windows 11, la cuenta de prueba A introduce la contraseña correcta en https://example.com/login y la página no navega; Red muestra POST /api/login con 500, consola muestra Unhandled promise rejection» Va directo a los logs del servidor
    La diferencia no es de redacción: es si llegaron los tres datos de caja gris —entorno, petición fallida, texto del error. Aquí hay una tensión real: los testers de caja negra —negocio, soporte, clientes— no deberían tener que leer la consola. La respuesta no es formación, es captura automática: instalar una extensión del navegador o incrustar un punto de entrada de feedback, y dejar que la herramienta adjunte errores de consola, peticiones fallidas, navegador y viewport. Esa es exactamente la capa que aporta BugCapturer: quien prueba sigue en caja negra, el informe llega con detalle de caja gris.

    Cuándo basta la caja negra y cuándo la gris es obligatoria

    Situación Recomendación Por qué
    Aceptación de una funcionalidad nueva Caja negra Se verifica comportamiento, no implementación
    Regresión antes de publicar Caja negra más caja gris en rutas críticas El flujo por comportamiento; login y pago por petición
    Cambios de campos de API, integración Caja gris La interfaz puede verse bien con los datos ya mal
    Rendimiento y timeouts Caja gris Hacen falta duraciones y tasa de fallo de peticiones
    Seguridad y permisos Sobre todo caja gris La escalada de privilegios suele ser invisible en la interfaz
    Páginas estáticas, cambios de texto Caja negra No hay cadena interna que inspeccionar
    La caja blanca no aparece en la tabla porque rara vez es trabajo del tester: pruebas unitarias, cobertura y análisis estático pertenecen al autocontrol de desarrollo y corren por otra vía distinta a la aceptación.

    Un ejemplo: un callback de pago con tres miradas

    El mismo síntoma, tres profundidades de respuesta.
    • Caja negra ve: el cliente paga, el pedido sigue «pendiente». El comportamiento no coincide; se abre un bug.
    • Caja gris ve: Red muestra POST /api/pay/callback con 200, pero el cuerpo trae status: "pending"; la consola está limpia. El problema está en el manejo del estado en el servidor, no en el front.
    • Caja blanca ve: el handler escribe un log y luego actualiza el pedido; el fallo de actualización lo traga un catch vacío. Es un defecto de lógica, y probablemente no el único.
    Conclusión práctica: un informe que llega al segundo nivel permite empezar de inmediato; uno atascado en el primero cuesta tres rondas de preguntas. Llegar al nivel dos no exige leer código, solo adjuntar esa petición.

    Meter las cajas en el plan de pruebas

    Etapa Caja principal Entregable
    Tras la revisión de requisitos Caja negra Diseño de casos y criterios de aceptación
    Integración, primera build Caja gris Comprobación de contrato, inventario de campos y códigos de error
    Regresión antes de publicar Caja negra más caja gris en rutas críticas Checklist de regresión, capturas de peticiones críticas
    Después de publicar Caja gris (logs y monitorización) más caja negra (feedback real) Reglas de alerta, informes de usuarios
    Lo valioso es el reparto: la caja negra responde «¿está bien?», la gris «¿por qué está mal?», la blanca «¿el código es arriesgado?».

    Tres requisitos previos para la caja gris

    La caja gris no se decreta. Si falta uno de estos tres, se degrada a caja negra:
  • Acceso al entorno: entorno de pruebas accesible y cuenta con permisos, o ni siquiera sale la petición.
  • Visibilidad de logs y peticiones: como mínimo las herramientas del navegador, idealmente logs del servidor.
  • Conocimiento del contrato: campos, códigos de error y valores obligatorios documentados, o alguien que responda.
  • El tercero es el que más falta. Sin contrato se puede juzgar «¿la página está bien?», pero no «¿los datos están bien?», y así llegan los problemas de campo a producción.

    Tres malentendidos

    • Caja blanca es igual a pruebas unitarias: es el uso más típico, pero también incluye revisión de código, análisis de cobertura y escaneo estático.
    • Caja gris es leer código: el núcleo es conocer información interna. Leer logs y peticiones cuenta; leer la implementación no.
    • Automatización es igual a caja blanca: la automatización de interfaz suele ser caja negra (solo opera la pantalla); la de API se acerca a la caja gris. Técnica y caja son ejes distintos.

    FAQ

    ¿La caja negra requiere conocimientos técnicos? No de código, pero sí describir síntomas con precisión, preparar datos y juzgar si algo es comportamiento esperado. El resto de la evidencia puede venir de una herramienta. ¿La caja gris necesita documentación de API? Ayuda, pero no es obligatoria: abrir el panel Red y leer peticiones y respuestas reales ya es caja gris. ¿Puede un equipo pequeño hacer solo caja negra? Sí, con dos añadidos: revisar las peticiones de las rutas críticas antes de publicar y hacer que los informes lleven errores de consola y peticiones fallidas automáticamente. Ambos cuestan mucho menos que una persona dedicada. ¿Las tres cajas son excluyentes? No. Caja negra en aceptación, gris en integración y blanca en el autocontrol son una combinación habitual sobre la misma funcionalidad. ¿Cómo sé si un informe es «suficientemente caja gris»? Preguntando si un desarrollador puede empezar sin preguntar nada: entorno, petición fallida, texto de error. Si están los tres, lo es.