El objetivo de este trabajo final es implementar un Mínimo Producto Viable (MVP, Minimum Viable Product) de una herramienta que mediante el uso de Inteligencia Artificial asista en el testing de regresión de la API de la plataforma bancaria Bantotal. Con este fin, se analizaron un conjunto de trabajos en los cuales se utiliza la Inteligencia Artificial con el mismo objetivo. Entre ellos se escogió el trabajo “Reinforcement Learning for Test Case Prioritization” de Bagherzadeh et al.; el mismo se enfoca en la priorización de casos de prueba. Se comparan distintas técnicas de priorización utilizando aprendizaje reforzado y concluyendo en la elección de una de las alternativas como la mejor. Se complementó el enfoque anterior en base al trabajo “Learning-to-Rank vs Ranking-to-Learn: Strategies for Regression Testing in Continuous Integration” de Bertolino et al., que ofreció una visión de la implementación de estas estrategias en pruebas de regresión, en un contexto de un sistema en producción similar al que estamos enfocando. Este trabajo muestra la viabilidad de la solución planteada a través del desarrollo del MVP. Asimismo, permite validar las virtudes de diseño del modelo presentado en este trabajo que lo hacen adaptables a sistemas en producción de la industria como es el caso de Bantotal. La solución planteada mejora las capacidades de pruebas de regresión de la API de Bantotal y los resultados obtenidos en este trabajo son muy alentadores.