PersonaTester convierte nueve patrones de interacción extraídos de 1.500 trazas de crowdtesting en instrucciones para agentes que prueban 15 apps Android. Frente al mismo sistema sin persona, los perfiles producen rutas más repetibles y distintas, más eventos considerados efectivos y una unión mayor de fallos: el conjunto personificado reporta 132 crashes frente a 36 en nueve repeticiones del baseline y 11 bugs funcionales confirmados por tres autores, mientras el baseline activa tres. Es evidencia útil de que la diversidad estructurada puede ampliar la exploración. No demuestra, sin embargo, reproducción fiel de crowdworkers: las categorías se asignan a trazas, no a conducta repetida de cada trabajador; los prompts ordenan hacer clic, introducir texto o seguir flujos, y las métricas vuelven a medir esas mismas acciones. El estudio de 20 personas juzga encaje con descripciones de perfil, no similitud con humanos. Tampoco se prueba que las tres dimensiones sean ortogonales. La inferencia carece de intervalos o modelos jerárquicos, y el oracle de efectividad/crash depende de GPT-4o sin validación humana publicada para crashes. Hay código MIT y costes auditables, pero el entrypoint público falla por desempaquetado e ID incorrectos, omite el escenario y no libera datos, BiLSTM, resultados ni scripts de figuras. El trabajo respalda persona prompting como heurística de testing, no una multitud humana automatizada equivalente.
Pregunta de investigación
Si inyectar perfiles de mindset, estrategia de exploración y hábito de entrada en agentes LLM puede producir diversidad controlada de pruebas GUI y descubrir más fallos que repetir un agente no personificado.