ISTQB Tester Certificado – Pruebas con IA Generativa (CT-GenAI)

1. Introducción a la IA generativa para pruebas de software

Fundamentos y conceptos esenciales de la IA generativa

• Las diferencias entre la IA tradicional, el aprendizaje automático, el aprendizaje profundo y la IA generativa.

• Conceptos básicos de los modelos LLM (modelos de lenguaje a gran escala)

Tipos de modelos de IA: Modelos básicos, Modelos optimizados para instrucciones y Modelos de razonamiento.

· Modelos multimodales y su uso en pruebas

• Principios del uso de la IA generativa en los procesos de prueba de software

· Capacidades de los LLM para realizar actividades de prueba

• Uso de chatbots y aplicaciones de IA en las pruebas de software

2. Ingeniería rápida para pruebas de software eficientes

• Estructurar y crear indicaciones eficaces

• Técnicas esenciales de orientación para las actividades de evaluación

• Diferencias entre el aviso del sistema y el aviso del usuario

• Análisis de requisitos y escenarios de prueba mediante IA

• Generación e implementación de casos de prueba mediante IA generativa

• Automatización de pruebas de regresión con soporte de IA

• Seguimiento y control de los procesos de prueba mediante IA

• Elegir las técnicas de inducción adecuadas para diferentes situaciones.

• Evaluación de los resultados generados por IA

Métricas para validar los resultados obtenidos mediante IA generativa.

• Técnicas iterativas para refinar y optimizar las indicaciones.

3. Gestión de los riesgos asociados a la IA generativa en las pruebas de software

• Alucinaciones, errores de razonamiento y sesgos en los modelos de IA

• Identificación de problemas en los resultados generados por los modelos LLM.

• Técnicas para reducir las alucinaciones y mejorar la consistencia de los resultados.

• Riesgos para la seguridad y la privacidad de los datos

• Vulnerabilidades asociadas al uso de la IA en los procesos de prueba

• Estrategias para la protección de datos y el aumento de la seguridad

• El impacto del consumo de energía y el uso de la IA en el medio ambiente.

• Normativas, estándares y buenas prácticas relevantes para la IA

4. Infraestructura de pruebas basada en LLM

• Arquitecturas para infraestructuras de pruebas basadas en IA

• Componentes y conceptos esenciales de las infraestructuras basadas en LLM

• Introducción a la generación aumentada por recuperación (RAG)

• El papel de los agentes de IA en la automatización de los procesos de prueba

• Ajuste fino para modelos de IA utilizados en pruebas

• Introducción a LLMOps para el despliegue y la gestión de modelos de IA

5. Implementación de IA generativa en organizaciones de pruebas

• Estrategias para la adopción de la IA generativa en las pruebas de software

• Los riesgos del uso descontrolado de la IA (IA en la sombra)

Elementos esenciales de una estrategia de pruebas de IA

• Selección de modelos LLM y SLM para actividades de prueba

• Etapas de implementación de la IA generativa en las organizaciones

• Gestión del cambio en el contexto de la adopción de la IA

• Habilidades y conocimientos necesarios para las pruebas asistidas por IA

• Desarrollar capacidades de IA en los equipos de pruebas

• La evolución de los procesos de prueba en organizaciones habilitadas para la IA