Esta sesión cuenta con traducción.
En esta charla, exploraremos los desafíos y las distintas estrategias y métodos para probar aplicaciones basadas en LLMs (large language models) tales como ChatGPT desarrollado por OpenAI, o GeneXus Enterprise AI. A medida que la inteligencia artificial se integra cada vez más en nuestras vidas, es crucial garantizar la calidad, eficiencia y confiabilidad de las aplicaciones que utilizan estas tecnologías. Esto se vuelve más relevante ahora que GeneXus también brinda acceso a este tipo de aplicaciones.
La charla ayudará a comprender mejor los desafíos de probar este tipo de sistemas, así como aportará algunas de las técnicas de testing aplicables, y sus limitaciones, herramientas existentes y otras que hacen falta. Esto tanto para testing funcional, automatizado y testing no funcional (performance, seguridad, accesibilidad, etc). Es importante desde ya reflexionar sobre cómo enfrentarse a estos nuevos desafíos, considerando que por más que hoy no estén probando ya este tipo de aplicaciones, no faltará mucho tiempo para que eso suceda.
Algunos temas que abordaremos:
Introducción a LLMs: Veremos una breve introducción a los LLMs y en particular a ChatGPT y a GeneXus Enterprise AI como casos de estudio, sus casos de uso y cómo se han integrado en las aplicaciones actuales. También analizaremos los desafíos de calidad en la implementación de este tipo de productos de software.
Estrategias y técnicas de testing: Describiremos las mejores prácticas en el testing de aplicaciones basadas en LLMs, centrándonos en pruebas funcionales y no-funcionales, así como en la automatización de pruebas de regresión.
Aspectos éticos y de privacidad: Reflexionaremos sobre el impacto de la IA y los modelos de lenguaje en aspectos críticos, como la seguridad de los datos, del código, la privacidad y posibles sesgos..
Conclusiones y perspectivas futuras: Finalizaremos la charla analizando las tendencias en el campo del software testing para aplicaciones basadas en LLMs y otros desafíos que siguen apareciendo en el mundo del AI con su correspondiente repercusión en el testing.