Fundamentos de Aseguramiento de Calidad y Pruebas Modernas con IA (Preparación para la certificación ISTQB Foundation)

Módulo 1: Fundamentos del aseguramiento de calidad y las pruebas

• Definición de calidad, aseguramiento de calidad y pruebas.
• Los siete principios de las pruebas (ISTQB CTFL v4.0).
• Diferencias entre pruebas, depuración (debugging) y control de calidad.
• La psicología de las pruebas.
• Rol 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 prueba en Waterfall, Agile, DevOps e integración continua/despliegue continuo (CI/CD).
• Niveles de prueba: unitarias, de integración, sistema y aceptación.
• Estrategias de pruebas shift-left y shift-right.
• Trazabilidad entre requisitos y casos de prueba.

Módulo 3: Técnicas de estática

• Revisiones, recorridos por el modelo (walkthroughs) 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 mediante tablas de decisión y transición de estados.
• Pruebas basadas en casos de uso y pruebas exploratorias.
• Técnicas de caja blanca: cobertura de sentencias y decisiones.
• Técnicas basadas en la experiencia y deducción de errores (error guessing).

Módulo 5: Gestión de defectos

• Ciclo de vida del defecto: detección, reporte, clasificación (triage), resolución y cierre.
• Redacción de informes de defectos efectivos utilizando JIRA.
• Clasificación de severidad vs. prioridad de defectos.
• 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.
• Seguimiento, control e informe de las pruebas.
• Definición de criterios de finalización de las pruebas y condiciones de salida.
• Estrategias de prueba 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 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 vs. pruebas de sistemas de IA.
• Estado actual del panorama 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 la redacción de 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 autocurativas con Katalon Studio AI.
• Reconocimiento de objetos impulsado por IA y localización de elementos.
• Pruebas de regresión visual con Applitools Eyes.
• Selenium con complementos de IA para una automatización resiliente.
• Reducción de la sobrecarga de mantenimiento mediante localizadores inteligentes.

Módulo 11: IA para la predicción y análisis de defectos

• Selección predictiva de pruebas con Launchable y Sealights.
• Agrupación de fallos y detección de anomalías con ReportPortal.
• Análisis de causa raíz asistido por IA.
• Puntuación de riesgos de calidad y análisis de brechas de prueba.
• 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 pipelines: cuándo y dónde ejecutar pruebas impulsadas por IA.
• Medición de la efectividad de las pruebas con IA mediante métricas.

Módulo 13: Consideraciones éticas en las pruebas impulsadas por IA

• Sesgo y equidad en los datos de prueba generados por IA.
• Preocupaciones de privacidad al utilizar herramientas de IA basadas en la nube.
• Transparencia y explicabilidad de las decisiones de prueba realizadas con IA.
• Consideraciones sobre gobernanza y cumplimiento normativo.
• Prácticas responsables de IA 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 de peso temático en los capítulos del temario CTFL.
• Examen de práctica con preguntas estilo ISTQB.
• Ruta de estudio y recursos recomendados.

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

• 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 autocurativas.
• Reporte de defectos y ejecución de análisis de causa raíz asistido por IA.
• Lecciones aprendidas: integración de la IA en la práctica diaria de QA.