ChatGPT y Gemini en la formación de testers: la experiencia de un autor de cursos de Stepik para principiantes

Artem Rusov, autor de cursos de testing en Stepik y Udemy, explicó cómo integra la IA en la formación de principiantes. Según su experiencia, los modelos no sustituyen al curso clásico, sino que lo amplían: ayudan a crear entornos de prácticas propios, generar tareas y ofrecer a los alumnos una práctica más viva.

Un sandbox de aprendizaje propio

El punto de inflexión para el autor llegó en 2023, cuando, sin un gran bagaje en programación, construyó con ChatGPT un sandbox completo para su curso principal. No se trata de un conjunto de mocks, sino de un sistema con frontend, backend, documentación, maquetas y base de datos. Para un profesor de testing manual, resultó ser algo más que una demostración vistosa de lo que puede hacer la IA: le dio un entorno que coincide por completo con la lógica del curso y no depende de las limitaciones de terceros.

El enfoque mostró pronto ventajas prácticas. El profesor puede introducir los bugs que quiera, corregir rápido los problemas detectados y diseñar escenarios que realmente evalúen una habilidad, y no la capacidad de superar un simulador concreto. Según Rusov, el alumno no trabaja así en una cáscara didáctica estéril, sino en un sistema parecido a un producto real. El autor del curso obtiene además un extra: más experiencia propia. Al construir uno mismo un servicio educativo, se entiende mucho mejor el código, la infraestructura y los procesos de entrega.

Generación de tareas y RAG

La siguiente etapa es trasladar la IA de la preparación del curso directamente a la experiencia del usuario. Rusov desarrolla ahora una nueva versión de los simuladores en Gemini, en la que el alumno podrá generar cuantas tareas nuevas quiera en la misma interfaz y con la misma plantilla. Ya no es un experimento aislado: para que todo funcione con muchas peticiones, hay que pensar en claves de API, plataformas en la nube y estabilidad del sistema bajo carga.

• Un sandbox propio adaptado al programa del curso
• Simuladores en el navegador para requisitos, SQL, DevTools y búsqueda de errores
• Tareas evaluadas por un LLM con retroalimentación automática
• Búsqueda RAG sobre una base de conocimiento verificada en lugar de generación aleatoria
• Generación de ilustraciones y de un envoltorio narrativo para el curso

En paralelo, el autor estudia RAG para que el alumno busque las respuestas no en la salida arbitraria del modelo, sino en una base de conocimiento seleccionada de antemano. Con la misma lógica, los cursos incluyen ahora tareas en las que la IA evalúa una respuesta extensa, pone una nota y deja un comentario. Esta herramienta, desarrollada junto con un colega, se integra en la plataforma educativa mediante el panel de administración y un iframe. Pero Rusov deja claros desde el principio los límites del enfoque.

«En la formación lo importante es no hacer daño».

Gamificación sin fe ciega

Otra línea de trabajo es el empaquetado visual y narrativo del curso. El autor cuenta que convirtió a su antigua mascota, una alcachofa, en un personaje llamado Arty, que viaja por civilizaciones antiguas y prueba APIs. Para esta ambientación crea sandboxes aparte e imágenes generadas con Nana Banana. La idea no es decorar por decorar, sino lograr que el curso se recuerde mejor y parezca un producto coherente, y no un conjunto de lecciones y tests sueltos.

Rusov no contrapone la IA a los formatos clásicos de enseñanza. Los tests habituales, las tareas de emparejar, de reconstruir cronologías y de rellenar huecos no desaparecen, y todos los textos creados con el modelo los lee, corrige y verifica a mano. Su tesis principal es sencilla: no se puede generar «IA-slop» en masa, porque el autor responde de cada fragmento del curso. En este esquema, la IA no sustituye a la metodología, sino que es una herramienta que solo funciona con límites claros y control editorial.

Qué significa

El caso de Rusov muestra que la IA en la educación en línea empieza a aportar valor no en los eslóganes, sino en elementos concretos del producto: desde sandboxes y corrección de respuestas hasta simuladores personalizados y la capa visual. Pero la ganancia solo aparece cuando el autor del curso conserva la responsabilidad sobre el contenido, la calidad y la lógica didáctica, en lugar de delegarlo todo en la generación.