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. En resumen: 40 preguntas que suman 44 puntos, 29 puntos para aprobar, 60 minutos y CTFL como requisito — el desglose completo, incluido lo que ISTQB publica y lo que no sobre este examen, está en nuestra guía del examen CT-AI v2.0.

¿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 en siete áreas siguiendo el ciclo de vida, ordenadas por datos de entrada, modelo y proceso de desarrollo de ML en lugar de por teoría de IA.

• 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 material es más denso y práctico que en v1.0, así que un curso o un banco de preguntas de v1.0 está desfasado y no es un atajo. Nuestra comparativa detallada de CT-AI v2.0 frente a v1.0 repasa cada cambio.

¿CT-AI o CT-GenAI? No son el mismo examen

Es el error de reserva más común del catálogo de ISTQB y cuesta una matrícula entera. CT-AI trata de probar IA: el sistema de IA es tu objeto de prueba y tu trabajo es dar el visto bueno a un modelo que entrenó otra persona. CT-GenAI (Certified Tester Testing with Generative AI) va en la dirección opuesta: usar IA generativa como herramienta para tu propio trabajo de pruebas, desde generar ideas de prueba hasta crear datos de prueba. Si tienes que aprobar un clasificador, un motor de recomendación o una función basada en un LLM, quieres CT-AI. Si buscas un asistente que escriba casos de prueba más rápido, quieres CT-GenAI. Y si quieres las dos, el orden está claro: CT-AI te enseña cómo falla un modelo, y esa desconfianza es justo lo que hace falta para usar IA generativa con criterio.

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. Si esas métricas te son nuevas, empieza por nuestra explicación de precision, recall y F1 para testers.

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.

Y para quién no: si en tu organización nadie pone modelos en producción y no hay un proyecto a la vista, la certificación no se paga este año — CTFL más una especialización en técnicas de diseño de pruebas rinde más con el mismo esfuerzo. CT-AI compensa cuando eres quien tiene que decir si un sistema probabilístico está lo bastante bien para salir a producción, porque esa pregunta el diseño de pruebas clásico no la responde.

Qué vale el certificado en la práctica

Dos expectativas honestas. Por sí solo no te consigue un puesto de pruebas de IA: en este campo las entrevistas van de matrices de confusión, fuga de datos y diseño de la evaluación, y el certificado solo demuestra que conoces ese vocabulario. Lo que sí aporta: un marco neutral y defendible en un terreno donde casi toda la alternativa es el curso de un fabricante de herramientas, y un lenguaje común entre QA y ciencia de datos, que es donde los proyectos de IA pierden más tiempo en la práctica. Si tu empresa paga formación acreditada, la estructura que impone sobre un tema desordenado vale más que la insignia.

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 examen de práctica 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 tienes nuestro plan de estudio de CT-AI, y los datos de referencia —puntos, tiempo, margen por idioma no nativo— están en las preguntas frecuentes de CT-AI v2.0.

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.