Testowanie oprogramowania z wykorzystaniem AI – 06.11.2026 roku

Agenda

Musimy pamiętać, że szkolenie jest jednodniowe , więc będzie intensywne, czas przewidziany na szkolenie to 7-8 godzin, jednak w przypadku pytań, wątpliwości będziemy pracować razem, by jak najlepiej wytłumaczyć aspekty związane z przedmiotem szkolenia. Ważną jednak kwestią jest to, że skupimy się na ćwiczeniach, by móc w przyszłości wykorzystać zdobyte umiejętności w praktyce.

Szkolenie koncentruje się na praktycznym wykorzystaniu sztucznej inteligencji w testowaniu oprogramowania na każdym etapie procesu QA. Uczestnicy poznają podstawy działania AI oraz uczenia maszynowego, a następnie nauczą się efektywnie wykorzystywać narzędzia AI w testach manualnych, automatyzacji testów API, frontendowych, wydajnościowych oraz w obszarach bezpieczeństwa i CI/CD.

Program obejmuje generowanie danych testowych, tworzenie przypadków testowych i dokumentacji, wsparcie automatyzacji z użyciem narzędzi takich jak Postman, Cypress i K6, a także budowę prostych rozwiązań usprawniających codzienną pracę testera. Szkolenie kładzie nacisk na świadome, bezpieczne i krytyczne wykorzystanie AI jako narzędzia wspierającego rozwój kompetencji technicznych i analitycznych w QA.

1. Wprowadzenie do AI w testowaniu

• Czym są AI, uczenie maszynowe i modele językowe – podstawy potrzebne w pracy QA.
• Jak rozwijały się narzędzia AI i do czego można je wykorzystać w projektach IT.
• Przegląd narzędzi i modeli przydatnych testerowi.
• Bezpieczna praca z AI: dane projektowe, poufność i weryfikacja odpowiedzi.

2. Skuteczna współpraca z AI

• Budowanie promptów i zarządzanie kontekstem.
• Korzystanie z przykładów, ograniczeń i oczekiwanego formatu odpowiedzi.
• Praca z AI jako recenzentem: wykrywanie braków i błędnych założeń.
• Ćwiczenia na zadaniach i materiałach z realnych projektów.

3. Testy manualne i analiza wymagań

• Generowanie i przegląd danych testowych.
• Tworzenie scenariuszy oraz przypadków testowych.
• Analiza historyjek użytkownika, kryteriów akceptacji i Definition of Done.
• Wykrywanie luk w wymaganiach oraz ocena wpływu zmian na testy.
• Weryfikacja propozycji przygotowanych przez AI.

4. Dokumentacja QA

• Przygotowywanie i aktualizacja planów testów oraz strategii testowania.
• Tworzenie opisów testów, zgłoszeń błędów, podsumowań i raportów.
• Dostosowywanie dokumentacji wygenerowanej przez AI do kontekstu projektu.

5. Automatyzacja testów API z AI

• Podstawy testowania API i przygotowanie żądań w Postmanie.
• Tworzenie asercji, danych i scenariuszy testowych z pomocą AI.
• Analiza odpowiedzi API i poprawianie wygenerowanych testów.
• Alternatywa dla Postmana: wygodne tworzenie testów API bezpośrednio w kodzie z pomocą AI.
• Porównanie podejść i dobór rozwiązania do potrzeb projektu.

6. Automatyzacja testów frontendu z AI

• Przygotowanie projektu i środowiska Cypress.
• Przegląd narzędzi wspierających kodowanie i automatyzację: GitHub Copilot, Claude, Codex oraz Cursor AI.
• Tworzenie testów, selektorów, komend, danych testowych i asercji z pomocą AI.
• Korzystanie z AI podczas analizy aplikacji i pracy z DevTools.
• Uruchamianie, poprawianie i rozwijanie wygenerowanych testów.
• Diagnozowanie niestabilnych testów i refaktoryzacja kodu.

7. Testy wydajnościowe z AI

• Przygotowanie środowiska k6.
• Tworzenie scenariuszy obciążenia, asercji i progów.
• Uruchamianie testów, analiza wyników i przygotowanie raportów.
• Wykorzystanie AI przy pracy z innymi narzędziami do testów wydajnościowych.

8. AI jako wsparcie testów bezpieczeństwa

• Zrozumienie potencjalnych podatności i wyników narzędzi bezpieczeństwa.
• Przygotowywanie danych i scenariuszy weryfikacji.
• Tworzenie opisów ryzyka, raportów i rekomendacji z pomocą AI.

9. AI w CI/CD i codziennej pracy projektowej

• Przygotowywanie i poprawianie konfiguracji pipeline’ów w GitLab, GitHub i Bitbucket.
• Uruchamianie testów w środowiskach CI bez rozbudowanej konfiguracji lokalnej.
• Analiza błędów uruchomienia i wyników testów z pomocą AI.

10. Własne rozwiązania wspierające QA

• Budowa prostych narzędzi, takich jak checker niedziałających linków czy skrypt sprawdzający statusy odpowiedzi.
• Łączenie DevTools i AI w analizie aplikacji.
• Przykłady autorskich rozwiązań wspierających testy manualne, automatyzację, wydajność i bezpieczeństwo.
• Przejście od pomysłu do działającego narzędzia oraz jego weryfikacja.

11. Rozwój kompetencji i podsumowanie

• Nauka programowania i nowych narzędzi z pomocą AI.
• Sprawdzanie pomysłów oraz rozwiązań technicznych.
• Znaczenie wiedzy domenowej i umiejętności testera.
• Dyskusja o zastosowaniach AI w pracy uczestników, pytania i finalne QA.

Przed szkoleniem konieczne jest:

• posiadanie własnego konta na Chat GPT (może być bezpłatne)
• bezpłatne konto w chmurze z Postmanem
• Zainstalowanego NodeJS
• Zainstalowanego Cypressa poprzez NodeJS
• Zainstalowane narzędzie do testów wydajnościowych K6

W ramach przedmiotowego szkolenia, będziemy poruszać jeszcze kilka tematów – które będą naturalnie wynikały w trakcie dynamiki spotkania.