Descripción:
La automatización de pruebas en sistemas conscientes del contexto se ha convertido en un desafío debido a la creciente complejidad, adaptabilidad y heterogeneidad de estos sistemas. En este escenario, las técnicas de inteligencia artificial y aprendizaje automático han emergido como enfoques clave para apoyar las pruebas de software. Este artículo presenta un mapeo sistemático de la literatura que analiza 73 estudios primarios publicados entre 2009 y marzo de 2025, enfocados en el uso de técnicas de inteligencia artificial y aprendizaje automático para pruebas automáticas en CAS. El estudio caracteriza las técnicas empleadas, los tipos de pruebas abordados, las herramientas utilizadas, los criterios de evaluación considerados y los principales desafíos reportados. Los resultados muestran una predominancia de pruebas de interfaz gráfica y una adopción recurrente de técnicas de aprendizaje automático, en particular redes neuronales profundas y, en trabajos recientes, modelos de lenguaje de gran escala. No obstante, el mapeo evidencia desafíos relacionados con la escalabilidad de las soluciones propuestas, la incorporación de nuevas funcionalidades en las herramientas existentes y la evaluación del rendimiento en escenarios contextuales dinámicos. Como contribución, este trabajo ofrece una visión estructurada del estado del arte sobre el uso de inteligencia artificial en pruebas automáticas de CAS, e identifica oportunidades de investigación futura, especialmente en la integración de técnicas emergentes, como el aprendizaje automático generativo, con potencial para transformar los procesos de prueba y aseguramiento de la calidad del software.
Tipo de publicación: Conference Paper
Publicado en: Anais do XXIX Congresso Ibero-Americano em Engenharia de Software (CIbSE 2026)
Autores- Trevino-Villalobos, Marlen
- Quesada-López, Christian
Investigadores del CITIC asociados a la publicación
Dr. Christian Quesada-López
Proyecto asociado a la publicación