CT-AI v2.0 vs. v1.0: qué cambió en el temario de 2026

ISTQB publicó el temario Certified Tester AI Testing (CT-AI) versión 2.0 el 17 de abril de 2026. El cambio principal: se redujo de 11 a 7 capítulos, se reorganizó en torno al ciclo de vida del machine learning, incorporó contenido específico sobre IA generativa, LLM y red teaming, y eliminó el antiguo capítulo sobre el uso de la IA para mejorar las pruebas. El examen en sí no cambia: 40 preguntas, 60 minutos, 65 % para aprobar, con CTFL como requisito previo.

Los cambios de un vistazo

Si estudiaste para la v1.0, la mayor parte de la estructura que recuerdas se ha movido. Las diferencias concretas:

• Capítulos: de 11 reducidos a 7.

• Formación recomendada: de 26 horas (4 días) a 19,5 horas (3 días), pero el material es más denso.

• Nuevos niveles de prueba: la prueba de datos de entrada y la prueba del modelo de ML se tratan ahora como niveles distintos.

• Nuevos temas: pruebas de GenAI y LLM, red teaming, retrieval-augmented generation (RAG), fine-tuning y pruebas de despliegue (shadow y canary).

• Eliminado: el capítulo sobre el uso de la IA para mejorar las pruebas y las consideraciones de entorno de prueba específicas de IA.

• Estándares: las características de calidad se mapean ahora a ISO/IEC 25059 y se referencia el EU AI Act.

• Formato del examen: sin cambios: 40 preguntas, 60 minutos, 65 % para aprobar, CTFL como requisito.

De 11 capítulos a 7

La v1.0 repartía las pruebas de IA en 11 capítulos que mezclaban conceptos, técnicas y herramientas. La v2.0 reestructura el mismo terreno para que siga el ciclo de vida del ML, desde los datos hasta el modelo desplegado:

• Introducción a la IA: IA frente a sistemas convencionales, el espectro de IA estrecha, general y superinteligente, conceptos de GenAI, hardware y hosting, y el impacto de la regulación (EU AI Act).

• Características de calidad para sistemas basados en IA, mapeadas a ISO/IEC 25059 (robustez, adaptabilidad funcional, controlabilidad, intervenibilidad).

• Las métricas y los datos que definen el rendimiento del ML: la base para juzgar un modelo.

• Prueba de datos de entrada: un nivel propio centrado en los datos que entrenan y alimentan un modelo.

• Prueba del modelo de ML: un nivel propio para evaluar el modelo entrenado en sí.

• Riesgos de prueba en el desarrollo y despliegue de ML, incluidos shadow testing y canary releases.

• Un hilo de GenAI y LLM que recorre el temario en lugar de añadirse al final.

Qué hay de nuevo en la v2.0

Las incorporaciones reflejan lo que los equipos de IA prueban de verdad en 2026:

• Pruebas de GenAI y LLM: red teaming, evaluación basada en prompts y el reto de las salidas no deterministas de texto, imagen, audio y vídeo.

• Prueba de datos de entrada como nivel propio: completitud, calidad del etiquetado y fugas de datos u objetivo (leakage).

• Prueba del modelo de ML como nivel propio: métricas de rendimiento como precision, recall y F1, además de pruebas metamórficas y back-to-back.

• Pruebas de despliegue: shadow testing, canary releases y monitorización del data drift tras la puesta en producción.

• Práctica moderna: modelos preentrenados, flujos de fine-tuning y retrieval-augmented generation (RAG).

• Alineación con estándares: el modelo de calidad de IA ISO/IEC 25059 y referencias al EU AI Act.

Qué se eliminó

El capítulo de la v1.0 sobre el uso de la IA para mejorar las actividades de prueba —generación de casos de prueba, predicción de defectos, optimización de regresión— se ha retirado del contenido examinable y se ha desplazado hacia la dirección de la IA generativa. Las consideraciones de entorno de prueba específicas de IA tampoco son ya examinables. Si tus apuntes antiguos se apoyan mucho en esos temas, déjalos a un lado.

¿Qué versión deberías hacer?

Si te inscribes ahora, harás la v2.0: es el temario actual en General Availability. La v1.0 se está retirando: los exámenes en inglés siguen disponibles hasta el 21 de abril de 2027 y los que no son en inglés hasta el 21 de octubre de 2027. Hay pocas razones para apuntar a la versión antigua: el material de la v1.0 está en gran parte desactualizado, y cualquier puesto que valore la certificación esperará el temario actual. Para el panorama completo del examen, los requisitos y el valor profesional, consulta nuestra guía de certificación ISTQB CT-AI.

Cómo cambia tu preparación

Menos horas no significa menos que aprender: la v2.0 es más densa y práctica. Dedica tu tiempo a los dos nuevos niveles de prueba (datos de entrada y modelo de ML) y al material de GenAI/LLM, incluido el red teaming, que apenas existía en la v1.0. Asegúrate de saber leer una matriz de confusión y calcular precision, recall y F1, y de entender dónde las salidas no deterministas rompen un oráculo de prueba tradicional. CTFL sigue siendo requisito, así que el vocabulario del ISTQB Foundation Level continúa aplicándose.

Cuando quieras ponerte a prueba con preguntas alineadas a la v2.0, trabaja el simulacro CT-AI de ExamCaliber: preguntas originales con justificación en cada respuesta, sobre GenAI, red teaming y los nuevos niveles de prueba de datos y modelo. Para la terminología exacta, consulta la página oficial de ISTQB CT-AI y el glosario de ISTQB.