Este artículo revisa sistemáticamente cómo los grandes modelos de lenguaje similares a ChatGPT facilitan las pruebas y la verificación de sistemas inteligentes autónomos. Basado en los últimos avances en razonamiento generativo, este estudio integra evidencias de 120 artículos revisados por pares, examinando cuatro áreas clave: generación de escenarios de prueba, detección de vulnerabilidades, verificación formal y monitoreo en tiempo real. A través de un análisis comparativo de fuzz testing, ejecución simbólica y aprendizaje por refuerzo, el artículo revela que los grandes modelos de lenguaje mejoran la automatización, la cobertura semántica y la adaptabilidad, mientras señalan limitaciones en la integridad de los benchmarks, explicabilidad y eficiencia de recursos. La revisión introduce tablas estructuradas que resumen conjuntos de datos representativos, aplicaciones específicas al dominio y perspectivas comparativas entre métodos de prueba tradicionales y basados en modelos grandes de lenguaje. Se analizan desafíos principales, incluidos la ausencia de benchmarks, la falta de explicabilidad y riesgos éticos, y se exploran direcciones emergentes de investigación como marcos de verificación híbridos y mejora de la calidad de datos. Este estudio busca cerrar la brecha conceptual y práctica entre la ingeniería de seguridad de IA y el razonamiento con grandes modelos, proporcionando una hoja de ruta para integrar dichos modelos en futuros procesos de verificación de sistemas inteligentes autónomos.

ChatGPT;grandes modelos de lenguaje;sistemas inteligentes autónomos;prueba;verificación;seguridad IA