Fundamentos de la Asegurabilidad (QA) y Pruebas Modernas con IA (Preparación para el Nivel Básico de ISTQB)

Módulo 1: Fundamentos de la Asegurabilidad y Pruebas

• Definición de calidad, asegurabilidad y pruebas
• Los siete principios del testing (ISTQB CTFL v4.0)
• Diferencias entre testing, depuración y control de calidad
• La psicología del testing
• Roles y responsabilidades en un equipo de asegurabilidad

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, Ágil, DevOps y CI/CD
• Niveles de prueba: unidad, integración, sistema y aceptación
• Estrategias de shift-left y shift-right en las pruebas
• Trazabilidad entre requisitos y casos de prueba

Módulo 3: Técnicas de Prueba Estática

• Revisiones, recorridos (walkthroughs) e inspecciones
• Análisis estático utilizando herramientas automatizadas
• Revisión basada en listas de verificación y por roles
• Técnicas formales e informales de revisión
• Integración del pruebas estáticas en flujos de trabajo Ágiles

Módulo 4: Técnicas de Prueba

• Técnicas de caja negra: partición de equivalencia y análisis de valores límite
• Pruebas con 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

Módulo 5: Gestión de Defectos

• Ciclo de vida del defecto: detección, informe, triaje, resolución y cierre
• Redacción de informes efectivos de defectos con JIRA
• Clasificación de severidad versus prioridad de defectos
• Técnicas de análisis de causa raíz
• Métricas y análisis de tendencias de defectos

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 informe de pruebas
• Definición de criterios de finalización de prueba y condiciones de salida
• Documentos de estrategia y política de pruebas alineados con ISTQB

Módulo 7: Herramientas de Prueba y Fundamentos de 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 versus comerciales
• Introducción a Selenium, Playwright y Cypress
• Construcción de una suite básica de pruebas automatizadas

Módulo 8: Introducción a la IA en la Asegurabilidad

• Conceptos de IA y aprendizaje automático para testers
• Taxonomía: IA para pruebas versus pruebas de sistemas de IA
• Estado actual del ecosistema de pruebas con IA: oportunidades y limitaciones
• Características de calidad para sistemas basados en IA
• Resumen del temario ISTQB CT-AI y su relevancia

Módulo 9: Generación de Casos de Prueba Asistida por IA

• 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 de Pruebas Asistida por IA

• Automatización de pruebas con auto-sanación utilizando Katalon Studio AI
• Reconocimiento de objetos y localización de elementos impulsados por IA
• Pruebas visuales de regresión con Applitools Eyes
• Selenium con complementos de IA para automatización resiliente
• Reducción de la carga de mantenimiento mediante localizadores inteligentes

Módulo 11: IA para 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
• Evaluación de riesgo de calidad y análisis de brechas en las pruebas
• Uso de datos históricos de defectos para priorizar las pruebas

Módulo 12: Evaluación de Herramientas de IA e Integración CI/CD

• Criterios para evaluar herramientas de prueba con IA
• Análisis de retorno de 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 potenciadas por IA
• Medición de la efectividad de las pruebas con IA mediante métricas

Módulo 13: Consideraciones Éticas en el Pruebas Impulsadas por IA

• Seguridad 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 con IA
• Consideraciones de gobernanza y cumplimiento normativo
• Prácticas de IA responsable para equipos de asegurabilidad

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 práctico con preguntas estilo ISTQB
• Mapa de estudio y recursos recomendados

Módulo 15: Proyecto Final: Flujo de Trabajo de Pruebas Mejoradas 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 de auto-sanación
• Informes de defectos y ejecución de análisis de causa raíz asistido por IA
• Reflexión final: integración de la IA en la práctica diaria de QA