A Testing with Generative AI (CT-GenAI) prepara você para usar IA Generativa como alavanca de produtividade em testes — com responsabilidade. Você aprende a aplicar GenAI na criação e melhoria de casos, dados e scripts, no apoio à análise de resultados e na aceleração de tarefas repetitivas, preservando pensamento crítico e governança. O impacto profissional é ganhar eficiência e relevância em times que buscam modernizar o processo de qualidade.
Benefícios diretos: mais velocidade com consistência, redução de esforço manual, ampliação de cobertura e novas competências valorizadas no mercado, especialmente em organizações que adotam IA como parte do ciclo de engenharia.
Valores da Certificação
Um candidato que tenha obtido a certificação CT-GenAI deve ser capaz de:
- Compreender os conceitos fundamentais, os recursos e as limitações da AI generativa.
- Desenvolver habilidades práticas em prompting de LLM para testes de software.
- Obter informações sobre os riscos e as mitigações do uso de AI generativa para testes de software.
- Obter informações sobre soluções de aplicativos de AI generativa para testes de software.
- Contribuir efetivamente para a definição e a implementação de uma estratégia e um roteiro de AI generativa para testes de software em uma organização.
Glossário de Termos de TesteFicha do Exame
Pré-requisitos: certificação CTFL
Idioma: Português-BR
Número de questões: 40
Tipo de questões: múltipla escolha
Tempo de Exame*: 60 min (estrangeiros: +25%)
Pontuação: 46 pontos (1 a 2 pontos por questão)
Aprovação: mínimo de 30 pontos (65%)
Distribuição das questões e pontuações:
| Capítulo | Questões | Pontuação |
| 1 | 7 | 7 |
| 2 | 11 | 16 |
| 3 | 10 | 11 |
| 4 | 5 | 5 |
| 5 | 7 | 7 |
(*) Ao final da prova, o candidato terá 10 minutos para transferir suas respostas para o gabarito.
Objetivos de Aprendizagem (LO)
- Introdução à AI Generativa para Testes de Software
- Fundamentos e conceitos-chave da AI generativa: GenAI-1.1.1 (K1) Relembrar os diferentes tipos de IA: AI simbólica, machine learning clássico, deep learning e AI generativa. GenAI-1.1.2 (K2) Explicar os conceitos básicos de AI generativa e Large Language Models. GenAI-1.1.3 (K2) Distinguir entre fundação, ajuste de instrução e raciocínio LLMs. GenAI-1.1.4 (K2) Resumir os princípios básicos de LLMs multimodais e modelos de visão-linguagem
- Aproveitamento da AI generativa em testes de software: GenAI-1.2.1 (K2) Dar exemplos dos principais recursos do LLM para tarefas de teste. GenAI-1.2.2 (K2) Comparar modelos de interação ao usar o GenAI para testes de software.
- Engenharia de Prompts para Testes de Software Eficientes
- Desenvolvimento eficaz de prompts: GenAI-2.1.1 (K2) Dar exemplos da estrutura dos prompts usados na AI generativa para teste de software. GenAI-2.1.2 (K2) Diferenciar as principais técnicas de prompting para testes de software. GenAI-2.1.3 (K2) Distinguir entre prompts de sistema e prompts de usuário
- Aplicação de técnicas de engenharia de prompts a tarefas de teste de software: GenAI-2.2.1 (K3) Aplicar a AI generativa para testar tarefas de análise. GenAI-2.2.2 (K3) Aplicar a AI generativa para testar o projeto e testar as tarefas de implementação. GenAI-2.2.3 (K3): Aplicar AI generativa a testes de regressão automatizados. GenAI-2.2.4 (K3) Aplicar a AI generativa para testar tarefas de controle e monitoramento. GenAI-2.2.5 (K3) Selecionar e aplicar técnicas de prompting apropriadas para um determinado contexto e tarefa de teste.
- Avaliar os resultados da AI generativa e refinar as instruções para as tarefas de teste de software: GenAI-2.3.1 (K2) Compreender as métricas para avaliar os resultados da AI generativa em tarefas de teste. GenAI-2.3.2 (K2) Dar exemplos de técnicas para avaliar e refinar iterativamente os prompts
- Gerenciamento de Riscos da AI Generativa em Testes de Software
- Alucinações, erros de raciocínio e vieses: GenAI-3.1.1 (K1) Relembrar as definições de alucinações, raciocínio erros e vieses em sistemas de AI generativa. GenAI-3.1.2 (K3) Identificar alucinações, raciocínio erros e vieses no resultado do LLM. GenAI-3.1.3 (K2) Resumir as técnicas de atenuação da GenAI alucinações, raciocínio erros e vieses em tarefas de teste de software. GenAI-3.1.4 (K1) Relembrar técnicas de atenuação para comportamento não determinístico de LLMs. GenAI-3.2.1 (K2) Explicar os principais riscos de privacidade de dados e de segurança associados ao uso de AI generativa em testes de software. GenAI-3.2.2 (K2) Dar exemplos de privacidade de dados e vulnerabilidades no uso da AI generativa em testes de software. GenAI-3.2.3 (K2) Resumir as estratégias de mitigação para proteger a privacidade dos dados e aprimorar a segurança na AI generativa para teste de software. GenAI-3.3.1 (K2) Explicar o impacto das características da tarefa e do uso do modelo no consumo de energia da AI generativa em testes de software
- Regulamentos, padrões e estruturas de práticas recomendadas de IA: GenAI-3.4.1 (K1) Relembrar exemplos de regulamentações, normas e estruturas de melhores práticas de AI relevantes para a AI generativa em testes de software
- Infraestrutura de Testes com Tecnologia LLMs para Teste de Software
- Abordagens arquitetônicas para Infraestrutura de teste com tecnologia LLM: GenAI-4.1.1 (K2) Explicar os principais componentes e conceitos arquitetônicos da infraestrutura de teste com tecnologia LLM. GenAI-4.1.2 (K2) Resumir a geração aumentada por recuperação. GenAI-4.1.3 (K2) Explicar a função e a aplicação de agentes com tecnologia LLM na automação de
processos de teste - Ajuste fino e LLMOps: Operacionalização da AI generativa para teste de software: GenAI-4.2.1 (K2) Explicar o ajuste fino dos modelos de linguagem para tarefas de teste específicas. GenAI-4.2.2 (K2) Explicar o LLMOps e sua função na implementação e no gerenciamento de LLMs para tarefas de teste.
- Abordagens arquitetônicas para Infraestrutura de teste com tecnologia LLM: GenAI-4.1.1 (K2) Explicar os principais componentes e conceitos arquitetônicos da infraestrutura de teste com tecnologia LLM. GenAI-4.1.2 (K2) Resumir a geração aumentada por recuperação. GenAI-4.1.3 (K2) Explicar a função e a aplicação de agentes com tecnologia LLM na automação de
- Implementação e Integração da AI Generativa em Organizações de Teste
- Roteiro para adoção de AI generativa em testes de software: GenAI-5.1.1 (K1) Relembrar os riscos da Shadow AI. GenAI-5.1.2 (K2) Explicar os principais aspectos a serem considerados ao definir uma estratégia de AI generativa para testes de software. GenAI-5.1.3 (K2) Resumir os principais critérios para selecionar LLMs/SLMs para tarefas de teste de software em um determinado contexto. GenAI-5.1.4 (K1) Relembrar as principais fases da adoção da AI generativa em uma organização de testes
- Gerenciar mudanças ao adotar a AI generativa para testes de software: GenAI-5.2.1 (K2) Explicar as habilidades essenciais e as áreas de conhecimento necessárias para que os testadores trabalhem de forma eficaz com a AI generativa nos processos de teste. GenAI-5.2.2 (K1) Relembrar estratégias para cultivar as habilidades de AI nas equipes de teste para apoiar a adoção da AI generativa nas atividades de teste. GenAI-5.2.3 (K1) Reconhecer como os processos e as responsabilidades de teste mudam em uma organização de teste ao adotar a AI generativa.
