AI w przestrzeni testerzy.pl. Pilot

Wszystko, o czym opowiedzieliśmy, było częścią trwającego pilota w przestrzeni testerzy.pl, którego efekty częściowo zaprezentowaliśmy. Docelowo chcemy udostępnić to samo rozwiązanie jako funkcjonalność na naszej stronie.

W projekcie biorą udział trzy osoby:

• Radek Smilgin - pomysłodawca oraz właściciel produktu testerzy.pl i pilota AI, 
• Michał Buczek - odpowiedzialny za dane uczące oraz backend,
• Adam Postawka - odpowiedzialny za uczenie modelu. 

Problem

Podstawowym problemem, z jakim mierzą się współcześnie testerzy, to marnej jakości wiedza testerska dostarczana przez AI, a ostatnio przede wszystkim przez Google. 

AI nie jest złem dla testerów, bo jest tylko niedoskonałym narzędziem, które sprawny umysł testera jest w stanie efektywnie wykorzystać. Może służyć do znajdowania odpowiedzi, ale szczególnie w niszowych obszarach, takich jak prowadzenie testów, AI tak naprawdę jedynie sprawia wrażenie, że ma dla nas dobrą podpowiedź. Niestety, często nie ma. 

Z drugiej strony AI jest złem dla wydawców treści (również takich jak testerzy.pl). Duże korporacje monopolizują dostęp do wiedzy, a Google nie jest już wyszukiwarką wartościowych źródeł, a raczej kompilacją treści zaczerpniętych z innych stron. Jako wielka korporacja odbiera wydawcom czytelników, bezczelnie kradnie i przetwarza artykuły, a następnie wyświetla je w swojej przestrzeni w postaci podpowiedzi AI.

Rozwiązanie

Chcemy w ramach naszego projektu pomóc testerom w dotarciu do wartościowej wiedzy o testowaniu. Naszym celem jest dostarczanie najlepszych treści pasujących do danego prompta. Docelowo planujemy też na naszej stronie osadzić agenta, który będzie pełnił rolę mentora dla juniorów, midów i seniorów.

Koncepcja zakłada, by dać naszym czytelnikom wartościowe, zweryfikowane treści na stronie w połączeniu z szybkością ich dostarczania przez AI, jednocześnie minimalizując halucynacje ogólnych modeli. Rozwiązaniem jest samodzielnie wytrenowany model wyuczony na wysokiej jakości źródłach i danych testerskich, wyselekcjonowanych manualnie przez doświadczonych testerów. 

Niezwykle istotne dla naszego rozwiązania jest zapewnienie pewnych, rzetelnych i sprawdzonych danych uczących dla naszego modelu. Dlatego manualna weryfikacja danych przez ekspertów jest dla nas priorytetowa. Zdecydowaliśmy, że najlepszym sposobem na cykliczne zasilanie naszego agenta danymi, będzie wykorzystanie API. Będzie ono pełniło rolę centralnego huba, odpowiedzialnego za dostarczenie danych z różnych źródeł, m.in z baz danych, web serwisów, mikroserwisów bądź różnego rodzaju repozytoriów danych z plikami w różnych formatach. Hub będzie odpowiadał za to, które dane oraz w jakim momencie mają być udostępniane do modelu.

Oczywiście sam proces dostarczania zweryfikowanych danych do agenta, jak i częstotliwość ich aktualizacji, musi być w pełni zautomatyzowany. Sercem naszego rozwiązania nie jest po prostu „kolejne AI”, ale starannie zaprojektowany ekosystem, który ma jeden cel: dostarczyć rzetelną wiedzę w ułamku sekundy.

Inteligentny mózg i ogromna pamięć 

Na tym etapie wybraliśmy model z rodziny Gemini, który w naszych testach okazał się „złotym środkiem”. Jest wystarczająco bystry, by pełnić rolę mentora, a jednocześnie działa bardzo szybko, eliminując frustrujące czekanie na odpowiedź. Ważnym elementem jest wielkość jego okna kontekstowego.

Mechanizm RAG

Aby uniknąć największej bolączki sztucznej inteligencji – czyli zmyślania faktów – zastosowaliśmy architekturę RAG (Retrieval-Augmented Generation). Działa ona jak bibliotekarz z doskonałą pamięcią: po zadaniu pytania system najpierw przeszukuje naszą bazę zweryfikowanych treści (wykorzystujemy do tego zaawansowaną bazę wektorową), znajduje konkretne fragmenty wiedzy i dopiero na ich podstawie model generuje odpowiedź. Dzięki temu AI nie „zgaduje”, a opiera się na faktach dostarczonych mu przez ekspertów testerzy.pl.

Podsumowanie

Przestawienie końcowych rezultatów naszego pilotażu obecnie planowane jest obecnie na II kwartał 2026 roku. Może to oznaczać wdrożenie gotowej funkcjonalności na stronie, ale równie dobrze może to być przyznanie się do porażki. 

Założeniem projektowym jest udostępnienie usługi bezpłatnie.