Praktyka automatyzacji testowania. Poziom podstawowy

Cel nauczania

Uczestnik nauczy się uruchamiać testy w pipeline CI/CD, analizować wyniki oraz wyciągać z nich konkretne wnioski przydatne w codziennej pracy zespołu.
Szkolenie pokazuje, jak wykorzystać Asystenta automatyzacji AI na każdym etapie pracy osoby automatyzującej testy. W praktyce uczestnik użyje AI do projektowania struktury frameworka, przeglądu kodu, przygotowywania danych testowych, tworzenia dokumentacji, analizy błędów w CI, utrzymania testów oraz pracy z kontekstem narzędziowym dzięki MCP.

Podczas szkolenia uczestnik nauczy się korzystać z AI jako praktycznego wsparcia w pracy testera - z pełnym zrozumieniem kodu, świadomym review i kontrolą jakości wygenerowanych rozwiązań.Sprawdzać dane testowe i asercje oraz analizować wyniki uruchomień. Dzięki temu AI stanie się praktycznym wsparciem w  codziennej pracy, a nie zastępstwem dla wiedzy, doświadczenia i odpowiedzialności testera.
 

Chcesz być na bieżąco z automatyzacją? Wydzieliliśmy z naszej bazy wiedzy wszystkie pomocne materiały, artykuły i filmy i umieściliśmy je w jednym miejscu. Zobacz jak zostać testerem automatyzującym. 
 

 

Zakres tematyczny

• Pierwszy krok w automatyzacji: scenariusze, dane i wsparcie AI
  • Automatyzacja testowania dzisiaj: rola testera automatyzującego, miejsce AI i granice odpowiedzialności człowieka
  • Cele automatyzacji: szybszy feedback, regresja, testy dymne, bramki jakości, redukcja ryzyka i koszt utrzymania
  • Wybór testów do automatyzacji: macierz wartości, ryzyka, stabilności, danych i częstotliwości uruchamiania
  • Tworzenie przypadków stabilnych pod automatyzację: warunki wstępne, dane, środowisko, jednoznaczne oczekiwane rezultaty
  • Asystent automatyzacji AI w analizie wymagań: pytania do Product Ownera, ryzyka, scenariusze pozytywne, negatywne i brzegowe
  • Dane testowe i dokumentacja do skryptów: dane stałe, generowane, unikalne, zależne od środowiska i bezpieczne dla AI
  • Lab: backlog automatyzacji, mapa ryzyka, pierwsze promptowanie AI i kontrola wygenerowanych scenariuszy
• Praktyczna budowa frameworka testowego: struktura, kod, import danych i przegląd kodu wspierany AI
  • Środowisko pracy automatyka: repozytorium, terminal, konfiguracja, runner, struktura projektu i uruchamianie lokalne
  • Techniczne wykorzystanie narzędzia automatyzacji: lokatory, akcje, asercje, oczekiwania, timeouty, screenshoty i trace
  • Projektowanie frameworka testowego: warstwy, klient API, Page Object, helpery, konfiguracja i raporty
  • AI do projektowania frameworka: propozycja struktury, review architektury, identyfikacja duplikacji i ryzyk utrzymania
  • Code review z AI: nazewnictwo, czytelność, zbyt szerokie testy, kruchość asercji, obsługa błędów i deterministyczność
  • Test data z AI: generowanie danych pozytywnych, negatywnych i brzegowych, anonimizacja, factory/fixture pattern i kontrola jakości danych
  • MCP: jak bezpiecznie podawać AI kontekst repozytorium, dokumentacji, ticketów, logów i decyzji architektonicznych
  • Lab: szkic frameworka, refaktoryzacja przykładowego testu i checklisty review generowane oraz weryfikowane z AI
• CI/CD, analiza wyników testów i stabilność automatyzacji
  • Uruchamianie testów z terminala: komendy, profile, tagi, testy dymne, regresja, równoległość i selekcja testów
  • Pipeline CI/CD: GitHub Actions, GitLab CI lub Jenkins jako wzorzec, sekrety, artefakty, raporty i quality gate
  • Raporty i artefakty diagnostyczne: logi, trace, video, screenshot, output testów, statusy, flaky tests i trend wyników
  • Analiza procesu CI przy wsparciu AI: analiza logów pipeline, stack trace, diffów, błędów środowiska i hipotez przyczyn awarii
  • Klasyfikacja problemów: błąd aplikacji, błąd testu, błąd danych, błąd środowiska, błąd pipeline, problem infrastruktury
  • Stabilność automatyzacji: retry, izolacja testów, reset stanu, kontrola danych, oczekiwania, ograniczanie zależności od kolejności
  • Bezpieczne użycie AI w analizie błędów CI: anonimizacja sekretów, logów, danych klientów i fragmentów konfiguracji
  • Lab: analiza nieudanego uruchomienia CI, przygotowanie hipotez, rekomendacji naprawy i wartościowego zgłoszenia defektu
• Dokumentacja, utrzymanie, MCP i projekt końcowy
  • Utrzymanie automatyzacji: ownership testów, przeglądy, usuwanie duplikacji, zmiana selektorów, aktualizacja danych i refaktoryzacja
  • Dokumentacja frameworka z AI: Plik README, opis architektury, instrukcja uruchomienia, standardy testów, decyzje techniczne i onboarding
  • MCP w praktyce QA: koncepcja narzędzi, zasobów i kontekstu dla asystenta automatyzacji oraz ryzyka bezpieczeństwa
  • AI w utrzymaniu testów: analiza zmian w aplikacji, proponowanie poprawek, identyfikacja testów zbędnych i aktualizacja list kontrolnych
  • Metryki automatyzacji: stabilność, czas feedbacku, pokrycie ryzyk, koszt utrzymania, flaky rate, jakość zgłoszeń i wartość pipeline
  • Strategia dalszego rozwoju: Playwright, Cypress, Selenium, REST API, testy kontraktowe, TypeScript, Python, mobile, accessibility i security awareness
  • Projekt końcowy: od przypadku testowego do testu, danych, frameworka, uruchomienia w CI, analizy wyniku i dokumentacji
  • Review końcowe: prezentacja rozwiązania, code review, AI review, ryzyka, plan utrzymania i indywidualna ścieżka rozwoju

Metody nauczania i formuła szkolenia

Szkolenie prowadzone jest w formule praktycznej - tak, abyś nie tylko poznał pojęcia, ale od razu zobaczył, jak wykorzystać je w pracy testera automatyzującego.

Każdy blok zaczyna się krótkim wprowadzeniem, po którym przechodzimy do ćwiczeń, analizy przykładów, live codingu oraz wspólnego omawiania decyzji projektowych.
W trakcie szkolenia będziesz pracować na przykładach zbliżonych do realnych problemów automatyzacji:

• wyborze testów do automatyzacji,
• projektowaniu stabilnych scenariuszy,
• pracy z danymi testowymi,
• analizie wyników, błędów i artefaktów z uruchomień.

Ważną częścią zajęć będzie również świadome korzystanie z AI - do generowania pomysłów, debugowania, przeglądu kodu, analizy danych, dokumentacji i utrzymania testów.

Nie ograniczymy się do gotowych odpowiedzi. Będziemy wspólnie analizować przypadki, w których trzeba zdecydować, co warto automatyzować, co lepiej zostawić w testach manualnych, co wymaga doprecyzowania, a co może generować wysoki koszt utrzymania. Dzięki temu nauczysz się patrzeć na automatyzację nie tylko przez pryzmat kodu, ale też wartości, ryzyka i stabilności rozwiązania.

Szkolenie kończy się projektem praktycznym, w którym połączysz przygotowanie scenariusza, danych testowych, kodu testu, elementów frameworka, uruchomienia, analizy wyniku, dokumentacji oraz przeglądu z wykorzystaniem AI.
Większość czasu spędzimy na praktyce: ćwiczeniach, pracy własnej, analizie przykładów, review i wspólnym omawianiu rozwiązań. Teoria będzie wprowadzana wtedy, gdy jest potrzebna do wykonania zadania i podjęcia świadomej decyzji projektowe

Co dostajesz w kursie

Element	Opis
Kurs na żywo	Spotkania z trenerem, mentoring, demonstracje, ćwiczenia, review i odpowiedzi na pytania.
Materiały szkoleniowe	Prezentacje, instrukcje do ćwiczeń, checklisty, przykłady decyzji automatyzacyjnych i wzorce dokumentacji.
Listy kontrolne automatyzacji	Checklisty wyboru testów, projektowania User Stories, danych, code review, analizy CI i utrzymania testów.
Podręcznik promptów AI	Prompty do projektowania frameworka, code review, danych testowych, pipeline, analizy błędów CI, dokumentacji i utrzymania.
Przewodnik MCP	Krótkie notatki: czym jest MCP, kiedy może pomóc w QA, jakie ma granice bezpieczeństwa i jak myśleć o kontekście narzędziowym.
Materiały wzorcowe z przykładami	Backlog automatyzacji, wzorzec opisu testu, szablon analizy błędu CI, przykładowa dokumentacja frameworka.
Projekt	Projekt końcowy: od historyjki i danych do testu, pipeline, analizy wyniku i dokumentacji utrzymaniowej.
Opieka poszkoleniowa	Pełne i nielimitowane wsparcie poszkoleniowe dla uczestnika w zakresie omawianych tematów.
Źródła i dalsze materiały	Lista wartościowych źródeł i publikacji do czytania po szkoleniu jako uzupełnienie wiedzy pozyskanej podczas spotkania na żywo
Dyplom ukończenia	Potwierdzenie udziału w szkoleniu po zakończeniu kursu

Korzyści

Dla uczestnika

• Lepsza jakość decyzji automatyzacyjnych, czyli bardziej świadomy wybór testów, które warto automatyzować, oraz tych, które ze względu na koszt utrzymania powinny pozostać poza automatyzacją.
• Zdobędziesz umiejętności projektowania stabilnych scenariuszy, danych testowych i asercji przed rozpoczęciem kodowania, tak aby testy były czytelne, powtarzalne i mniej podatne na przypadkowe awarie.
• Zrozumiesz struktury frameworka testowego, jego podstawowych warstw, zasad utrzymania oraz decyzji technicznych wpływających na stabilność i rozwój testów.
• Zdobędziesz umiejętność świadomego wykorzystywania AI w pracy automatyka, w tym do przyspieszania analizy, projektowania, review i utrzymania testów, ale zawsze z obowiązkową weryfikacją, uruchomieniem i kontrolą jakości.
• Zdobędziesz umiejętności analizowania błędów CI, logów i artefaktów, a także klasyfikowania problemów jako błędów aplikacji, testu, danych, środowiska, pipeline’u lub infrastruktury.
• Otrzymasz praktyczną ścieżkę dalszego rozwoju w kierunku narzędzi i technologii takich jak Playwright, Cypress, Selenium, API testing, TypeScript, Python, CI/CD oraz MCP.

Dla organizacji

• Lepsza jakość decyzji automatyzacyjnych, czyli bardziej świadomy wybór testów, które warto automatyzować, oraz tych, które ze względu na koszt utrzymania powinny pozostać poza automatyzacją.
• Bardziej spójne podejście do projektowania testów, danych i asercji, co ułatwia budowę stabilnych scenariuszy, standardów kodu oraz dokumentacji frameworka.
• Bezpieczniejsze wykorzystanie AI w automatyzacji testów, dzięki zasadom anonimizacji danych, obowiązkowego review, weryfikacji wyników i ograniczania ryzyka halucynacji.
• Szybsza diagnostyka problemów w pipeline CI/CD, opartą na analizie logów, artefaktów, raportów i klasyfikacji błędów jako problemów aplikacji, testów, danych, środowiska lub pipeline’u.
• Łatwiejsze wdrażanie i utrzymywanie quality gate, dzięki lepszemu rozumieniu, które sygnały jakościowe powinny blokować proces, a które powinny wspierać analizę i decyzje zespołu.
• Wspólny język jakości dla QA, developerów i liderów, obejmujący framework testowy, CI/CD, dane testowe, dokumentację, utrzymanie automatyzacji, MCP oraz bezpieczne korzystanie z AI.

Dodatkowe informacje

Schemat szkolenia:

 

• 4 sesje na żywo z trenerem
• Indywidualne praktyczne zadania przy wsparciu trenera
• Indywidualne podejście i kontakt z trenerem
• Wsparcie trenerskie po szkoleniu 

Pozostałe informacje:

• W przypadku szkolenia zamkniętego lub indywidualnego zakres narzędziowy możemy dopasować do technologii wykorzystywanej przez uczestników, np. Playwright, Cypress, Selenium, API testing, TypeScript, Python lub CI/CD.
• Powinieneś rozumieć podstawowe pojęcia związane z testowaniem, takie jak przypadek testowy, scenariusz, defekt, dane testowe, regresja czy oczekiwany rezultat. Nie wymagamy wcześniejszego doświadczenia w automatyzacji ani znajomości programowania.
• Asystent automatyzacji AI którego wykorzystasz, to praktyczne wsparcie testera w projektowaniu, kodowaniu, analizie błędów i utrzymaniu testów. Nie oznacza jednego konkretnego narzędzia. Podczas szkolenia wykorzystany zostanie adekwatny model lub narzędzie AI zależnie od dostępności, zadania i potrzeb grupy. Wykorzystasz również go na danych szkoleniowych i z anonimizacją przykładów, bez danych produkcyjnych.
• Zakres MCP może obejmować omówienie podstaw, praktyczne demo lub dodatkową część warsztatową — zależnie od doświadczenia uczestników i dojrzałości technicznej grupy.

Po tym szkoleniu zainteresują Cię

• Automatyzacja testów aplikacji webowych w C# i Playwright
• Automatyzacja testów aplikacji webowych w JavaScript i Playwright
• Automatyzacja testów aplikacji webowych w TypeScript i Playwright

Ścieżka dalszego rozwoju kompetencji i umiejętności

Skorzystaj z dofinansowania

Sprawdź możliwości otrzymania dofinansowania na udział w szkoleniu.

Trenerzy