ISTQB CT-AI (Certified Tester AI Testing): la guía completa 2026

La certificación ISTQB CT-AI (Certified Tester AI Testing) valida que un tester puede probar de forma sistemática sistemas basados en IA, especialmente machine learning (ML) e IA generativa como los grandes modelos de lenguaje. El temario actual, versión 2.0, está disponible desde el 17 de abril de 2026 y es la versión que debe estudiar todo nuevo candidato. El examen tiene 40 preguntas, una nota de corte del 65% y requiere CTFL.

¿Qué es la certificación ISTQB CT-AI?

CT-AI es un certificado de especialista neutral dentro del esquema ISTQB. No te enseña a construir modelos, sino a probarlos: a encontrar dónde un sistema de IA se comporta de forma incorrecta, injusta o impredecible, y a juzgar su calidad con las métricas adecuadas. Se sitúa por encima del Foundation Level (CTFL) y va dirigida a testers, analistas de pruebas, ingenieros de pruebas y a los científicos y analistas de datos que quieran entender cómo se validan sus datos y modelos.

¿Qué hay de nuevo en CT-AI v2.0 (2026)?

La versión 2.0 es una reescritura profunda, no un retoque. Los cambios principales:

• Reorganizada de 11 a 7 capítulos, estructurada en torno a los datos, el modelo de ML y el sistema en su conjunto.

• Pruebas de IA generativa y LLM añadidas: robustez de prompts, alucinación y groundedness, no determinismo y red teaming.

• Dos niveles explícitos de prueba de ML: pruebas de datos de entrada (representatividad, calidad de etiquetas, fuga de datos) y pruebas de modelo (métricas, pruebas metamórficas y back-to-back).

• Pruebas de despliegue, incluidas la deriva de datos y estrategias de lanzamiento como las canary releases.

• Práctica moderna de modelos: modelos preentrenados, fine-tuning y generación aumentada por recuperación (RAG).

• Se eliminó el bloque "usar IA para probar", que ahora reside en la certificación independiente CT-GenAI.

El tiempo de formación recomendado bajó de 26 horas (v1.0) a 19,5 horas, pero el material es más denso y práctico. Nuestra propia comparativa CT-AI v2.0 frente a v1.0 detalla cada cambio.

Formato del examen: preguntas, tiempo, nota de corte

• 40 preguntas de opción múltiple, evaluadas en los niveles de conocimiento K1–K3.

• 65% para aprobar — es decir, 26 de 40 puntos (algunas preguntas valen más de un punto).

• 60 minutos, ampliados a 75 si no realizas el examen en tu lengua materna.

• Se exige CTFL antes de poder certificarte.

Qué cubre el temario de CT-AI v2.0

Características de calidad de los sistemas de IA

Los sistemas de IA aportan factores de calidad que el software clásico no tiene: sesgo y equidad, transparencia y explicabilidad, autonomía, adaptabilidad y no determinismo. Una salida que parece correcta puede seguir siendo errónea si el modelo está sesgado o el resultado no se puede explicar. CT-AI enseña a tratarlos como objetivos de prueba de primer nivel.

Pruebas de sistemas de machine learning

Es el núcleo del examen. Pruebas primero los datos antes del modelo (completitud, representatividad, corrección de etiquetas, fuga) y luego el modelo en sí con métricas como precisión, exhaustividad (recall) y F1 leídas de una matriz de confusión. Las técnicas incluyen pruebas metamórficas, pruebas back-to-back contra una implementación de referencia y pruebas A/B en producción. Por qué la exactitud por sí sola engaña con datos desbalanceados es un tema frecuente del examen.

Pruebas de IA generativa y LLM

El material más reciente. Como la salida de un LLM es no determinista, no puedes confiar en un único resultado esperado; en su lugar pruebas la groundedness, la veracidad, la seguridad y la robustez frente a prompts adversariales. El red teaming —sondear deliberadamente un modelo en busca de comportamientos inseguros o que violen políticas— forma ahora parte del temario, junto con los riesgos propios de RAG y sus métricas de evaluación.

Requisitos y a quién va dirigida

El único requisito obligatorio es CTFL. Más allá de eso, CT-AI conviene a testers que entran en proyectos de IA, ingenieros de automatización que validan pipelines de ML y científicos de datos que buscan un vocabulario común con QA. No necesitas saber entrenar un modelo desde cero, pero ayuda estar cómodo con estadística básica y con la idea de una matriz de confusión.

Cómo prepararte

Empieza por el temario oficial de CT-AI y el glosario de ISTQB y luego practica las áreas K3 más difíciles —cálculo de métricas, defectos en los datos de entrada y evaluación de LLM— con preguntas realistas en lugar de definiciones memorizadas. Nuestro simulacro CT-AI gratuito reproduce el formato real (40 preguntas, 65% de corte) e incluye ítems de escenario y de matriz de confusión con una justificación escrita en cada respuesta. Para un plan semana a semana, pronto publicaremos una guía dedicada para aprobar el examen ISTQB CT-AI.

Si aún no tienes CTFL, empieza por nuestra guía completa de ISTQB CTFL Foundation: es la puerta de entrada a CT-AI y a toda la ruta ISTQB.