Fundamentos de aseguramiento de calidad y pruebas modernas con IA (Preparación para la certificación ISTQB)

Módulo 1: Fundamentos del aseguramiento de calidad y las pruebas

• Definición de calidad, aseguramiento de la calidad y pruebas.
• Los siete principios de las pruebas (ISTQB CTFL v4.0).
• Pruebas frente a depuración frente a control de calidad.
• La psicología de las pruebas.
• Roles y responsabilidades en un equipo de QA.

Módulo 2: Ciclo de vida del desarrollo de software y pruebas

• Fases del ciclo de vida de las pruebas de software (STLC).
• Enfoques de pruebas en Waterfall, Agile, DevOps y CI/CD.
• Niveles de prueba: unidad, integración, sistema y aceptación.
• Estrategias de pruebas tempranas ('shift-left') y tardías ('shift-right').
• Trazabilidad entre requisitos y casos de prueba.

Módulo 3: Técnicas de pruebas estáticas

• Revisiones, recorridos por el código e inspecciones.
• Análisis estático utilizando herramientas automatizadas.
• Revisión basada en listas de verificación y por roles.
• Técnicas formales e informales de revisión.
• Integración de pruebas estáticas en flujos de trabajo Agile.

Módulo 4: Técnicas de prueba

• Técnicas de caja negra: partición de equivalencia y análisis de valores límite.
• Pruebas con tablas de decisión y transiciones de estado.
• Pruebas basadas en casos de uso y pruebas exploratorias.
• Técnicas de caja blanca: cobertura de sentencias y decisiones.
• Técnicas basadas en la experiencia y suposición de errores.

Módulo 5: Gestión de defectos

• Ciclo de vida del defecto: detección, informe, clasificación ('triage'), resolución y cierre.
• Redacción de informes efectivos de defectos con JIRA.
• Clasificación de severidad frente a prioridad del defecto.
• Técnicas de análisis de causa raíz.
• Métricas de defectos y análisis de tendencias.

Módulo 6: Gestión de pruebas y pruebas basadas en riesgos

• Planificación de pruebas y métodos de estimación.
• Identificación, evaluación y mitigación de riesgos.
• Monitoreo, control e informes de las pruebas.
• Definición de criterios de finalización de pruebas y condiciones de salida.
• Estrategia de pruebas y documentos de política alineados con ISTQB.

Módulo 7: Herramientas de prueba y fundamentos de la automatización

• Clasificación de herramientas de prueba (categorías de herramientas de ISTQB).
• Ventajas y riesgos de la automatización de pruebas.
• Selección de herramientas: soluciones de código abierto frente a comerciales.
• Introducción a Selenium, Playwright y Cypress.
• Construcción de una suite básica de pruebas automatizadas.

Módulo 8: Introducción a la IA en el aseguramiento de calidad

• Conceptos de IA y aprendizaje automático para probadores.
• Taxonomía: IA para pruebas frente a pruebas de sistemas de IA.
• Estado actual del ecosistema de pruebas con IA: oportunidades y limitaciones.
• Características de calidad para sistemas basados en IA.
• Descripción general del temario ISTQB CT-AI y su relevancia.

Módulo 9: Generación asistida por IA de casos de prueba

• Uso de LLMs (ChatGPT, Claude, Copilot) para redactar casos de prueba.
• Técnicas de ingeniería de 'prompts' para generar escenarios de prueba.
• Conversión de historias de usuario y criterios de aceptación en casos de prueba.
• Revisión y validación de casos de prueba generados por IA.
• Plataformas: Testim, Mabl y herramientas nativas de generación de pruebas con IA.

Módulo 10: Automatización asistida por IA de pruebas

• Automatización de pruebas auto-curativas con Katalon Studio AI.
• Reconocimiento de objetos impulsado por IA y localización de elementos.
• Pruebas visuales de regresión con Applitools Eyes.
• Selenium con complementos de IA para una automatización resiliente.
• Reducción de la sobrecarga de mantenimiento con selectores inteligentes ('locators').

Módulo 11: IA para la predicción y análisis de defectos

• Selección predictiva de pruebas con Launchable y Sealights.
• Agrupación de fallas y detección de anomalías con ReportPortal.
• Análisis de causa raíz asistido por IA.
• Puntuación de riesgo de calidad y análisis de vacíos en las pruebas.
• Uso de datos históricos de defectos para priorizar las pruebas.

Módulo 12: Evaluación de herramientas de IA e integración con CI/CD

• Criterios para evaluar herramientas de prueba con IA.
• Análisis del retorno de la inversión (ROI) y estrategia de adopción.
• Integración de herramientas de prueba con IA en Jenkins, GitHub Actions y GitLab CI.
• Diseño de tuberías ('pipelines'): cuándo y dónde ejecutar pruebas potenciadas por IA.
• Medición de la efectividad de las pruebas con IA mediante métricas.

Módulo 13: Consideraciones éticas en las pruebas impulsadas por IA

• Prejuicios y equidad en los datos de prueba generados por IA.
• Preocupaciones sobre la privacidad al utilizar herramientas de IA basadas en la nube.
• Transparencia y explicabilidad de las decisiones de prueba tomadas por IA.
• Consideraciones de gobernanza y cumplimiento normativo.
• Buenas prácticas de IA responsable para equipos de QA.

Módulo 14: Preparación para el examen ISTQB CTFL

• Estructura, duración y puntuación del examen CTFL v4.0.
• Tipos de preguntas y estrategias de respuesta.
• Distribución del peso temático en los capítulos del temario CTFL.
• Examen de práctica con preguntas de estilo ISTQB.
• Ruta de estudio y recursos recomendados.

Módulo 15: Proyecto final: Flujo de trabajo de pruebas mejorado con IA de extremo a extremo

• Diseño de casos de prueba a partir de un documento de requisitos de ejemplo.
• Uso de IA para generar y refinar escenarios de prueba.
• Automatización de pruebas seleccionadas con herramientas auto-curativas.
• Información de defectos y ejecución de análisis de causa raíz asistido por IA.
• Lecciones aprendidas: integración de la IA en la práctica diaria de QA.