Hai tester cùng nói "mình muốn lấy chứng chỉ AI của ISTQB", nhưng công việc hằng ngày rất khác nhau. Một người đang kiểm thử chatbot chăm sóc khách hàng mà công ty vừa tích hợp. Người kia dùng ChatGPT mỗi ngày để viết test case và sinh dữ liệu test. ISTQB có hai chứng chỉ cho đúng hai trường hợp này: CT-AI cho người thứ nhất, CT-GenAI cho người thứ hai.
Chọn sai thì vẫn đỗ được, nhưng phần lớn thời gian ôn sẽ dành cho thứ bạn không dùng tới. Bài này so sánh hai chứng chỉ theo công việc thực tế, đề thi và cách ôn.
Khác nhau ở một câu: kiểm thử AI hay dùng AI để kiểm thử
CT-AI (AI Testing) dạy cách kiểm thử hệ thống có AI bên trong: mô hình machine learning, hệ thống dùng AI tạo sinh và mô hình ngôn ngữ lớn. Bạn học cách kiểm tra dữ liệu đầu vào (thiên lệch, nhãn sai), kiểm tra mô hình (adversarial, metamorphic, drift, A/B testing) và các đặc tính chất lượng riêng của AI theo ISO/IEC 25059.
CT-GenAI (Testing with Generative AI) dạy cách dùng AI tạo sinh để làm việc kiểm thử tốt hơn: viết prompt cho phân tích yêu cầu, thiết kế test, tự động hóa, báo cáo; đánh giá kết quả AI trả về; quản lý rủi ro như ảo giác (hallucination), thiên lệch, lộ dữ liệu.
Ranh giới này giờ rõ hơn trước. Từ bản v2.0 (tháng 4/2026), CT-AI đã bỏ hẳn phần "dùng AI cho kiểm thử" và chuyển nội dung đó sang CT-GenAI. Trang chứng chỉ CT-AI của ISTQB cũng ghi rõ: ai muốn dùng AI tạo sinh để hỗ trợ kiểm thử thì nên xem CT-GenAI.
So sánh nhanh
| CT-AI v2.0 | CT-GenAI v1.1 | |
|---|---|---|
| Câu hỏi chính | Hệ thống AI này có hoạt động đúng không? | Làm sao dùng AI tạo sinh để test nhanh và đúng hơn? |
| Hợp với | Tester, QA, data scientist, developer làm sản phẩm có AI | Tester, automation engineer, test manager muốn đưa AI vào quy trình test |
| Chương nặng nhất | Kiểm thử mô hình ML (22,5%) | Prompt engineering cho kiểm thử (27,5%) |
| Có tính toán không | Có: precision, recall, F1… trên confusion matrix | Gần như không, chủ yếu là tình huống |
| Đề thi | 40 câu, 60 phút, đạt 29/44 điểm | 40 câu, 60 phút, đạt 30/46 điểm |
| Điều kiện | Có ISTQB Foundation (CTFL) | Có ISTQB Foundation (CTFL) |
Cả hai đều được cộng 25% thời gian nếu thi bằng ngôn ngữ không phải tiếng mẹ đẻ. Lệ phí thi online qua các đơn vị như iSQI, Brightest, ASTQB khoảng 210-229 USD mỗi chứng chỉ (tham khảo tháng 10/2026, nên kiểm tra lại khi đăng ký).
Chọn theo công việc bạn đang làm
Sản phẩm của team có AI (chatbot, gợi ý sản phẩm, chấm điểm tín dụng, nhận diện ảnh): chọn CT-AI. Những câu hỏi bạn sẽ gặp ở dự án, như "dữ liệu train có đại diện cho người dùng thật không" hay "mô hình có bị trôi sau 3 tháng không", nằm đúng trong syllabus.
Bạn dùng ChatGPT, Copilot hay công cụ LLM nội bộ cho việc test hằng ngày: chọn CT-GenAI. Phần prompt engineering và đánh giá kết quả AI áp dụng được ngay tuần sau, kể cả khi sản phẩm của bạn không dính gì tới AI.
Bạn là test lead, test manager đang được hỏi "team mình dùng AI thế nào": CT-GenAI trước. Syllabus có hẳn một chương về lộ trình áp dụng AI tạo sinh trong tổ chức và quản lý thay đổi.
Bạn muốn chuyển hướng sang làm QA cho sản phẩm AI: CT-AI, và nên ôn lại kiến thức thống kê cơ bản trước khi vào chương machine learning.
Thi cả hai thì nên thi cái nào trước
Phần lớn người làm kiểm thử nên bắt đầu với CT-GenAI. Nội dung gần với việc hằng ngày, ít tính toán, và học xong dùng được ngay. CT-AI nặng hơn về khái niệm machine learning, hợp để thi sau khi bạn đã có dự án AI thật để liên hệ.
Ngoại lệ là khi bạn đang test một sản phẩm AI. Lúc đó hãy thi CT-AI trước, vì syllabus sẽ giúp bạn ngay ở dự án hiện tại.
Ôn đúng phiên bản
CT-AI v1.0 vẫn thi được tới 21/4/2027 nếu thi bằng tiếng Anh, và tới 21/10/2027 với các ngôn ngữ khác. Tài liệu trên mạng phần lớn vẫn theo v1.0, trong đó có cả phần dùng AI cho kiểm thử mà v2.0 đã bỏ. Khi đăng ký thi, hỏi rõ đơn vị tổ chức thi đang dùng đề phiên bản nào rồi ôn theo đúng bản đó.
CT-GenAI chỉ có cập nhật nhỏ lên v1.1, không đổi cấu trúc và mục tiêu học, nên tài liệu v1.0 vẫn dùng được.
Thử sức với 2 câu tình huống
Câu 1 (kiểu CT-AI). Một mô hình lọc thư rác đánh dấu 50 email là spam, trong đó 40 email đúng là spam. Có thêm 20 email spam mà mô hình bỏ sót. Nếu ưu tiên của đội là không để lọt thư rác, chỉ số nào cần cải thiện?
A. Precision, hiện là 80% B. Recall, hiện khoảng 67% C. Accuracy D. Specificity
Đáp án: B. Recall = 40 / (40 + 20) ≈ 67%, đo tỷ lệ spam thật được bắt. Precision = 40/50 = 80%, đo trong số email bị đánh dấu có bao nhiêu là spam thật. Muốn ít lọt spam thì phải tăng recall.
Câu 2 (kiểu CT-GenAI). Tester dùng một LLM sinh test case từ user story màn hình đăng ký. Kết quả có vài test case kiểm tra trường "mã giới thiệu", trong khi user story không có trường này. Cách xử lý nào phù hợp nhất?
A. Giữ lại vì có thể sau này sẽ cần B. Đưa đặc tả màn hình vào prompt, yêu cầu mô hình chỉ dùng thông tin trong đặc tả và người review kết quả trước khi dùng C. Đổi sang mô hình khác D. Tăng temperature để mô hình sáng tạo hơn
Đáp án: B. Đây là ảo giác (hallucination). Cung cấp ngữ cảnh rõ ràng, giới hạn nguồn thông tin và luôn có người kiểm tra là cách giảm rủi ro mà syllabus CT-GenAI nhấn mạnh.
Ôn trên ScrumPass
ScrumPass có 400+ câu luyện tập CT-AI và 600+ câu CT-GenAI, chia theo từng chương của syllabus và có giải thích cho mỗi đáp án. Exam Pass Rate cho bạn biết khi nào điểm luyện tập đã đủ ổn định để đăng ký thi. Nếu chưa có CTFL, hãy bắt đầu từ ISTQB Foundation (CTFL).
Muốn nghe từ người đã thi, bạn có thể đọc Hạnh Hà kể lại quá trình ôn CT-GenAI.
