Курс AI для тестування

Зрозумієте, як AI змінює роль QA-фахівців, які процеси він може автоматизувати та як безпечно інтегрувати його у свою роботу. Навчитеся створювати тест-кейси, API-тести й SQL-запити через ChatGPT, Copilot, Claude та інші АІ-інструменти. Дізнаєтесь, як генерувати тест-плани, звіти, user stories та acceptance-критерії у форматах Markdown або Confluence, зменшуючи час на рутину. Інтегруєте AI в CI/CD, GitHub, Jira та лог-аналіз. У фіналі курсу створите власного QA-асистента або автоматизований процес тестування з AI.

Програма курсу

Основи AI для QA

• Зрозумієте різницю між AI, Machine Learning, LLM і GenAI та їхнє застосування в тестуванні
• Дізнаєтесь, як працюють токени, контекстне вікно, embeddings і RAG
• Ознайомитеся з можливостями мультимодального AI для аналізу тексту, логів та UI
• Навчитеся писати перші промпти й розуміти, чому AI може давати різні відповіді

Де AI допомагає QA вже сьогодні

• Проаналізуєте власні QA-процеси та визначите задачі для автоматизації
• Ознайомитеся з AI-інструментами для manual, automation і non-functional testing
• Навчитесь обирати AI-рішення залежно від задачі, вартості й безпеки
• Створите персональну карту використання AI у своїй роботі

Prompt Engineering для тестування

• Навчитеся будувати ефективні промпти для будь-яких QA-задач
• Освоїте zero-shot, few-shot, prompt chaining і meta prompting
• Зможете генерувати тест-кейси, SQL, API-запити й баг-репорти
• Створите власну бібліотеку промпт-шаблонів

Безпечне використання AI

• Зрозумієте ризики hallucinations, bias і логічних помилок AI
• Дізнаєтесь, як захищати конфіденційні дані під час роботи з AI
• Ознайомитеся з OWASP Top 10 for LLM та основними AI-вразливостями
• Навчитеся перевіряти якість відповідей AI та виявляти помилки

AI для планування тестування

• Навчитеся створювати Test Strategy й Test Plan за допомогою AI
• Дізнаєтесь, як визначати Regression Scope на основі змін у релізі
• Зрозумієте принципи risk-based пріоритизації тестування
• Навчитесь автоматизувати підготовку тестової документації

AI на етапі Test Monitoring & Control

• Навчитесь аналізувати прогрес тестування й тестове покриття за допомогою AI
• Зрозумієте, як AI кластеризує дефекти, аналізує ризики тестування та прогнозує можливі затримки
• Навчитеся створювати Test Summary Report на основі даних із Jira та AI-інструментів
• Ознайомитеся з використанням Jira + Rovo для автоматизації моніторингу тестування

AI на етапі Test Analysis, Design & Implementation

• Навчитесь аналізувати User Story та знаходити прогалини у вимогах
• Генеруватимете позитивні, негативні та edge-case сценарії
• Навчитеся генерувати чек-листи для exploratory testing
• Ознайомитеся з можливостями TestRail AI для генерації та організації тест-кейсів

AI під час виконання тестів

• Навчитеся використовувати AI для exploratory testing
• Аналізуватимете логи та результати тестування за допомогою AI
• Генеруватимете структуровані баг-репорти й проводитимете Root Cause Analysis
• Навчитесь аналізувати QA-метрики та формувати фінальні звіти

AI в API Testing

• Навчитесь аналізувати Swagger/OpenAPI специфікації
• Генеруватимете API-запити й автоматичні перевірки через Postman AI
• Перевірятимете JSON-відповіді, статус-коди та edge cases
• Використовуватимете Chrome DevTools AI для аналізу мережевих запитів

AI для SQL та роботи з базами даних

• Навчитеся генерувати SQL-запити за допомогою AI
• Створюватимете тестові дані та структури баз даних
• Перевірятимете коректність даних відповідно до тестових сценаріїв
• Ознайомитеся з можливостями DBeaver для AI-роботи з БД

AI в нефункціональному тестуванні

• Навчитеся перевіряти accessibility за допомогою AXE DevTools AI
• Аналізуватимете результати performance-тестування
• Використовуватимете мультимодальний AI для оцінки usability
• Створюватимете чек-листи для нефункціонального тестування

AI в security-тестуванні

• Ознайомитеся з OWASP Top 10 і типовими вразливостями вебзастосунків
• Навчитеся знаходити SQL Injection, XSS та інші ризики за допомогою AI
• Аналізуватимете конфігурації та токени на предмет помилок
• Зрозумієте принципи тестування LLM-застосунків на prompt injection

AI Agents та персональний QA Assistant

• Створите власного AI-асистента на базі Custom GPT або Claude Projects
• Дізнаєтесь, як використовувати Notion AI для автоматизації документації та бази знань
• Ознайомитеся з AI Agents та Model Context Protocol (MCP)
• Навчитеся підключати AI до Jira, Confluence, баз даних та інших зовнішніх систем

Метрики ефективності AI

• Навчитесь оцінювати якість відповідей AI
• Дізнаєтесь, як покращувати промпти через A/B-тестування
• Вимірюватимете економію часу та ROI від використання AI
• Створите власну систему оцінки AI-результатів

Впровадження AI в QA-проєкт

• Проведете аудит QA-процесів та визначите потенціал AI
• Навчитеся планувати AI Pilot з чіткими KPI
• Оберете інструменти відповідно до бюджету і задач команди
• Підготуєте план впровадження AI для власного проєкту

Захист фінальних проєктів

• Презентуєте власний кейс впровадження AI в QA-процес
• Порівняєте результати "до" та "після" використання AI
• Отримаєте peer review та навчитесь оцінювати рішення інших учасників
• Сформуєте план подальшого масштабування AI у своїй команді

Особливості курсу

• Допомога ментора
• Практика
• Курсовий проєкт
• Проєкт в портфоліо
• Сертифікат про проходження курсу

Викладачі курсу

Юлія Заревич - Senior QA Lead at Intellias