Introducción a Prompt Engineering – Maximizando el uso de GPT

¿Qué es Prompt Engineering?. Entrenar modelos desde cero. Diseñar instrucciones efectivas para modelos de IA. Programar algoritmos de IA. Automatizar infraestructura.

¿Cuál es el objetivo principal de un buen prompt?. Reducir el costo del modelo. Obtener respuestas coherentes y relevantes. Aumentar el tiempo de respuesta. Eliminar validaciones humanas.

En QA, ¿para qué se puede usar la IA generativa?. Ejecutar pruebas manuales. Reemplazar completamente al QA. Generar casos de prueba y análisis. Administrar servidores.

¿Qué componente NO suele formar parte de un prompt efectivo?. Contexto. Objetivo claro. Ambigüedad intencional. Formato esperado.

¿Por qué es importante dar contexto al modelo en un prompt?. Para reducir tokens. Para mejorar la precisión de la respuesta. Para acelerar el procesamiento. Para evitar respuestas largas.

¿Qué técnica de Prompt Engineering mejora la coherencia usando ejemplos?pt?. Zero-shot. Few-shot. Reinforcement learning. Fine-tuning.

¿Qué es un prompt “zero-shot”?. Un prompt sin contexto. Un prompt con múltiples ejemplos. Un prompt sin ejemplos previos. Un prompt entrenado previamente.

¿Cuál es un riesgo del uso de IA en pruebas?. Mejora excesiva de calidad. Dependencia sin validación humana. Reducción de documentación. Incremento de cobertura.

En un entorno bancario, ¿qué se debe cuidar al usar IA generativa?. Velocidad de respuesta. Uso de datos sensibles. Longitud del prompt. Idioma del modelo.

¿Qué tipo de tareas NO es recomendable delegar completamente a la IA?. Generación de ideas. Análisis preliminar. Decisiones finales de calidad. Redacción de borradores.

¿Qué significa “output esperado” en un prompt?. El tiempo de respuesta. El formato deseado de la respuesta. El costo del modelo. El idioma del prompt.

¿Cómo puede un QA usar IA para mejorar pruebas exploratorias?. Ejecutando scripts automáticos. Generando charters y escenarios de riesgo. Eliminando documentación. Reemplazando testers.

¿Qué práctica mejora resultados al iterar prompts?. Cambiar el modelo. Ajustar instrucciones según resultados. Eliminar contexto. Usar siempre el mismo prompt.

¿Qué es una “alucinación” en modelos de IA?. Un error visual. Una respuesta creativa. Información incorrecta presentada como real. Un fallo del sistema.

¿Qué rol cumple el QA al usar IA generativa?. Observador pasivo. Validador crítico de resultados. Entrenador del modelo. Administrador de infraestructura.

¿Qué mejora un prompt orientado a pruebas de software?. Lenguaje vago. Falta de restricciones. Instrucciones claras y criterios de aceptación. Uso excesivo de tecnicismos.

¿Qué beneficio aporta la IA en QA?. Sustituye procesos. Aumenta la productividad del equipo. Elimina errores. Garantiza calidad.

Un QA usa IA para generar casos de prueba y detecta inconsistencias. ¿Qué debe hacer?. Ejecutarlos igual. Ajustar el prompt y validar manualmente. Ignorarlos. Cambiar de herramienta.

¿Por qué Prompt Engineering es una habilidad clave para QA modernos?. Porque reemplaza automatización. Porque mejora el uso efectivo de IA. Porque elimina documentación. Porque reduce testers.

En un banco, ¿cuál es la mejor práctica al usar IA en pruebas?. Automatizar decisiones. Usar datos reales. Combinar IA con revisión humana. Eliminar controles.