Temario del curso
Introducción a la IA en pruebas de software
- Panorama general de las capacidades de la IA en pruebas y aseguramiento de la calidad
- Tipos de herramientas de IA utilizadas en flujos de trabajo modernos de pruebas
- Beneficios y riesgos de la ingeniería de calidad impulsada por IA
LLMs para la generación de casos de prueba
- Ingeniería de prompts para generar pruebas unitarias y funcionales
- Creación de plantillas de pruebas parametrizadas y basadas en datos
- Conversión de historias de usuario y requisitos en scripts de prueba
IA en pruebas exploratorias y de casos extremos
- Identificación de ramas o condiciones no probadas mediante IA
- Simulación de escenarios de uso poco comunes o anómalos
- Estrategias de generación de pruebas basadas en riesgos
Pruebas automatizadas de UI y regresión
- Uso de herramientas de IA como Testim o mabl para la creación de pruebas de UI
- Mantenimiento de pruebas de UI estables mediante selectores de auto-reparación
- Análisis de impacto en regresión basado en IA tras cambios en el código
Análisis de fallos y optimización de pruebas
- Agrupación de fallos de prueba mediante LLM o modelos de aprendizaje automático (ML)
- Reducción de ejecuciones de pruebas inestables y fatiga por alertas
- Priorización de la ejecución de pruebas basada en insights históricos
Integración en pipelines de CI/CD
- Incorporación de la generación de pruebas con IA en Jenkins, GitHub Actions o GitLab CI
- Validación de la calidad de las pruebas durante las solicitudes de extracción (pull requests)
- Reversiones automatizadas y controles inteligentes de pruebas en pipelines
Tendencias futuras y uso responsable de la IA en QA
- Evaluación de la precisión y seguridad de las pruebas generadas por IA
- Gobernanza y trazabilidad de auditoría para procesos de prueba mejorados con IA
- Tendencias en plataformas de IA-QA y observabilidad inteligente
Resumen y próximos pasos
Requerimientos
- Experiencia en pruebas de software, planificación de pruebas o automatización de QA
- Familiaridad con frameworks de pruebas como JUnit, PyTest o Selenium
- Conocimientos básicos sobre pipelines de CI/CD y entornos DevOps
Público objetivo
- Ingenieros de QA
- Ingenieros de desarrollo de software en pruebas (SDET)
- Probadores de software que trabajen en entornos ágiles o DevOps
Testimonios (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática