Cuestionario sobre IA Generativa

¿Qué es la inteligencia artificial (IA)?

• Un nuevo lenguaje de programación

• La capacidad de una máquina para imitar funciones cognitivas humanas

• La red de datos que maneja algoritmos de predicción

• Una forma de interactuar entre máquina y humano

¿Cuál es el objetivo principal de aplicar IA en pruebas de software?

• Aumentar el número de casos de prueba

• Reemplazar completamente a los testers

• Automatizar y optimizar tareas repetitivas y análisis predictivo

• Generar documentación técnica

¿Qué es el machine learning?

• Un tipo de prueba funcional

• Un software para manejar bases de datos

• Un sistema para mejorar interfaces

• Una técnica de IA que permite a los sistemas aprender de los datos sin programación explícita

¿Cuál es un riesgo potencial al adoptar IA sin una estrategia clara?

• Mejora inesperada del rendimiento

• Aumento de productividad sin control

• Resultados no confiables o sesgados

• Reducción de costos

Cuál es la sigla para definir los "Transformadores generativos pre- entrenados"

¿Cuál de las siguientes tareas puede realizar una IA en pruebas de software?

• Detección de patrones en fallas recurrentes

• Toma de decisiones de negocio

• Ejecución de pruebas

• Negociación con proveedores

¿Qué tipo de datos necesita una IA para ser efectiva en testing?

• Códigos fuente

• Solo datos personales

• Datos históricos y contextuales de pruebas

• Manuales técnicos impresos

¿Qué rol debe jugar un líder de QA frente a la adopción de IA?

• Generación de todos los artefactos de calidad

• Fomentar el uso de la IA para reemplazar algunos roles

• Guiar con visión estratégica y gestión del cambio

• Delegar toda decisión a TI

¿Qué representa un sesgo algorítmico en IA?

• Un error de sintaxis

• Una tendencia de la IA a tomar decisiones injustas por datos mal entrenados

• Un retraso en ejecución de scripts

• Una falta de cobertura en pruebas

¿Qué es la "tokenización" en el contexto de modelos de lenguaje (LLM)?

• Dividir texto en unidades más pequeñas que los modelos de lenguaje pueden entender

• Una técnica para reducir el consumo de memoria

• El proceso de cifrado de datos sensibles

• Un método de autenticación para acceder a sistemas basados en IA