Introduccion a la IA generativa para las pruebas de software
Ubica la IA generativa dentro del espectro de IA, explica conceptos clave de LLM y muestra como estas capacidades apoyan tareas de prueba.
Fundamentos de IA generativa
La IA generativa produce texto, imagenes, codigo u otros artefactos a partir de patrones aprendidos. En testing se usa como apoyo, no como oraculo infalible.
- Distingue IA simbolica, ML clasico, deep learning y GenAI.
- Relaciona tokens y ventana de contexto con calidad de entrada.
- Reconoce que la salida puede variar aunque el prompt parezca igual.
LLM y modelos multimodales
Los LLM fundacionales, ajustados por instrucciones, de razonamiento y multimodales tienen usos y riesgos diferentes para tareas de prueba.
- Un modelo fundacional es base general.
- Un modelo ajustado por instrucciones responde mejor a instrucciones humanas.
- Un modelo multimodal puede combinar texto, imagen u otros datos.
Uso en pruebas
La IA generativa puede ayudar a revisar criterios de aceptacion, proponer casos de prueba, generar datos sinteticos, analizar defectos o preparar documentacion.
- Mantener revision humana.
- Proteger datos sensibles.
- Trazar prompts, salidas y decisiones.
Términos clave
Objetivos de aprendizaje
- GenAI-1.1.1 · K1Recordar el espectro de IA usado en GenAI
Distingue IA simbolica, aprendizaje automatico clasico, aprendizaje profundo e IA generativa.
- GenAI-1.1.2 · K2Explicar conceptos basicos de GenAI y LLM
Relaciona tokenizacion, ventana de contexto, entrenamiento, inferencia y respuesta generada.
- GenAI-1.1.3 · K2Distinguir tipos de LLM por uso y ajuste
Compara LLM fundacionales, ajustados por instrucciones y de razonamiento.
- GenAI-1.1.4 · K2Resumir LLM multimodales y modelos de vision-lenguaje
Explica como texto e imagen pueden combinarse en tareas de prueba.
- GenAI-1.2.1 · K2Dar ejemplos de capacidades LLM para testing
Identifica usos como analisis, diseno, datos sinteticos, scripts, defectos y documentacion.
- GenAI-1.2.2 · K2Comparar modelos de interaccion con GenAI en pruebas
Diferencia chatbot, herramienta integrada, aplicacion impulsada por LLM y flujo automatizado.
Errores frecuentes
- Usar GenAI sin revision humana ni trazabilidad.
- Confundir una respuesta convincente con evidencia suficiente.
- Ignorar privacidad, seguridad, coste o cumplimiento por enfocarse solo en velocidad.
Ejemplos aplicados
- Ejemplo de estudio: aplica Introduccion a la IA generativa para las pruebas de software a una historia de usuario real y registra prompt, salida, revision y decision.
- Ejemplo profesional: compara una tarea hecha manualmente contra una apoyada por GenAI y mide calidad, cobertura, coste y riesgo.