#AI

Harness engineering

Zawód testera ma dwie wersje: oficjalną, zaczerpniętą z sylabusów i ogłoszeń, oraz tę rzeczywistą, która z tą pierwszej zawsze trochę się mija. Zwykle nie jest to duża różnica, więc nikt nie robi z tego problemu. Ale czytając komentarze w internetowych dyskusjach rozbieżność przestaje być jedynie drobnostką.

Szkolenia testerzy.pl. Co nowego, a co znika z oferty?

Od kilku miesięcy stopniowo, ale konsekwentnie zmieniamy nasze kursy. Część uaktualnionych programów jest już dostępna, kolejne dołączą w najbliższym czasie. Co dokładnie zmieniamy i z czego wynikają te decyzje? Wyjaśniamy.

Sześć błędów w rozmowach o testowaniu

W 2017 roku James Bach wypunktował na swoim blogu sześć błędów, które niszczą dyskusje o testowaniu. Na liście znalazły się m.in. przeliczanie pracy na liczbę przypadków testowych oraz utożsamianie testowania z samą automatyzacją. Minęło dziewięć lat, większość rozmów zdominowała AI, a lista Bacha wciąż jest aktualna. Co gorsza, większość opisanych tam grzechów popełniamy dziś jeszcze częściej.

Piramida testów dla agentów AI? Propozycja

Odpowiedź agenta AI może być poprawna technicznie, a zarazem bezużyteczna z punktu widzenia intencji użytkownika. Sprawdzanie takich wyników sztywnym kryterium pass/fail prowadzi do chwiejnych testów albo do sytuacji, w której zespoły po prostu zaczynają je ignorować. Odpowiedzią na ten problem ma być nowa propozycja piramidy testów. Co ciekawe, jej najcenniejsze założenia sięgają do samych fundamentów testowania.

AI kontra testerzy. Co twierdzi ekonomia pracy?

Do pytania o to, czy maszyny mogą zastąpić pracę testera, można podejść na wiele sposobów. Jednym z nich jest odwołanie się do dorobku teorii ekonomii. Czy teoria rzeczywiście opisuje to, czego doświadczamy dziś na rynku pracy?

Obowiązek testowania w kodeksie postępowania AI Act

Kodeks postępowania w sprawie oznaczania treści generowanych z użyciem AI zawiera część poświęconą wyłącznie testowaniu po stronie dostawców modeli. Środek 4.2 doczekał się właśnie pierwszego przykładu wdrożenia.

Human-in-the-loop w AI

Przez chwilę mogło się wydawać, że sztuczna inteligencja rozwiąże stary problem jakości treści i oprogramowania: wystarczy wydać polecenie, dostać wynik, opublikować, wdrożyć, zautomatyzować. W praktyce stało się coś odwrotnego. Im więcej organizacje generują za pomocą AI tekstów, kodu, testów, raportów, przypadków, analiz i rekomendacji – tym silniejsza staje się potrzeba ludzkiej kontroli.

Przegląd testerskiego Internetu – Lipiec 2026

W lipcu AI mogła trochę odpocząć, bo okazało się, że klasyczne, dobrze znane awarie oprogramowania wciąż mają się dobrze. Żaden chatbot nie musiał halucynować, by odciąć od sieci pół kraju czy zatrzymać pociągi. Wystarczył stary, poczciwy brak łatki bezpieczeństwa i odrobina roztargnienia w dziale IT. Po więcej zapraszamy do lektury.

Testowanie przed publikacją. Wymogi AI Act dla cyfrowych wydawców

Redakcja publikuje artykuł z ilustracją wygenerowaną przez AI. Ktoś akceptuje tekst, ktoś wgrywa grafikę, materiał trafia na stronę główną. Nikt nie sprawdza, czy zdjęcie niesie oznaczenie wymagane przez art. 50 AI Act - bo dotąd nie musiał. Od 2 sierpnia 2026 roku ten brak może kosztować do 15 mln euro lub nawet do 3% globalnego obrotu.

Czy możemy zaufać AI i systemom niedeterministycznym w testach regresji?

Automatyzacja testów regresji od zawsze opierała się na żelaznej zasadzie powtarzalności. Co dzieje się jednak w momencie, gdy do procesu QA wchodzą narzędzia oparte na AI i modelach LLM, wprowadzając element nieprzewidywalności? Zamiast ślepej wiary w technologię potrzebujemy nowej inżynierii zaufania, która redefiniuje pojęcie binarnego wyniku "passed/failed".