Fundamentos de Aseguramiento de Calidad y Pruebas Modernas con IA (Preparación para la base de 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 vs. depuración vs. 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 las 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: unitarias, de integración, de sistema y de aceptación
• Estrategias de pruebas shift-left y shift-right
• Trazabilidad entre requisitos y casos de prueba

Módulo 3: Técnicas de Pruebas Estáticas

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

Módulo 4: Técnicas de Prueba

• Técnicas de caja negra: particionamiento equivalente, análisis de valores límite
• Pruebas con tablas de decisión y transición de estados
• Pruebas de 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, resolución y cierre
• Redacción de informes de defectos efectivos con JIRA
• Clasificación de severidad y 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
• 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 vs. comerciales
• Introducción a Selenium, Playwright y Cypress
• Construcción de una suite de pruebas automatizada básica

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 landscape de pruebas con IA: oportunidades y limitaciones
• Características de calidad para sistemas basados en IA
• Visión general 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 de generación de pruebas nativas de IA

Módulo 10: Automatización de Pruebas Asistida por IA

• Automatización de pruebas auto-reparables con Katalon Studio AI
• Reconocimiento de objetos y localización de elementos impulsados por IA
• Pruebas de regresión visual con Applitools Eyes
• Selenium con plugins de IA para una automatización resiliente
• Reducción de la carga de mantenimiento con localizadores inteligentes

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
• Evaluación de riesgos de calidad y análisis de brechas de pruebas
• Uso de datos históricos de defectos para priorizar las pruebas

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

• Criterios para evaluar herramientas de pruebas con IA
• Análisis de ROI y estrategia de adopción
• Integración de herramientas de pruebas con IA en Jenkins, GitHub Actions, 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 las Pruebas Impulsadas por IA

• Sesgo e imparcialidad 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 con IA
• Consideraciones de gobernanza y cumplimiento normativo
• 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 de los temas 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 Integrado 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-reparables
• Información de defectos y ejecución de análisis de causa raíz asistido por IA
• Reflexión final: integración de la IA en la práctica diaria de QA