#sztucznainteligencja
Redakcja
18 lutego 2026
Czy autonomiczne agenty AI to rewolucja, czy systemowe zagrożenie? Przyglądamy się przypadkom Moltbooka i OpenClaw, krytycznym błędom w architekturze i wyzwaniom, przed którymi stają coraz częściej testerzy.
17 lutego 2026
Czy AI zdejmuje z juniorów obowiązek rozumienia kodu? Jak zachować jakość w projektach, gdzie kod utrzymuje się trudniej, niż generuje?
Michał Buczek
13 lutego 2026
29.01.2025 podczas AI Testing Conference przedstawiliśmy architekturę i rozwiązania oraz postępy, jakie osiągneliśmy w naszym projekcie, w którym wykorzystujemy AI do dostarczania wartościowej testerskiej wiedzy oraz wspierania edukacji testerów.
3 lutego 2026
Czy weryfikacja dostępności jest lepsza, gdy używamy technologii AI? Sprawdzamy.
12 stycznia 2026
Testowanie rozmyte, znane jako fuzzing, jest techniką testowania oprogramowania, która istnieje od niemal czterdziestu lat. Mimo swojej długiej historii, nie zyskała powszechnej adopcji w mainstreamie, będąc głównie domeną specjalistów, takich jak pentesterzy czy uczestników programów bug bounty. Dziś, w obliczy dominacji generatywnej sztucznej inteligencji, to podejście zyskuje na znaczeniu.
30 grudnia 2025
Jeśli mielibyśmy wskazać motyw przewodni grudnia, byłoby to „działa zgodnie z projektem, tylko nie tym, co trzeba”. W tym przeglądzie: dużo technologii, jeszcze więcej zaufania i zaskakująco mało kontroli.
22 grudnia 2025
Wiele sygnałów wskazuje na to, że 2026 będzie rokiem, w którym praca testerów zmieni się bardziej niż przez całą ostatnią dekadę. Na stałe zagoszczą nowe praktyki, a część dotychczasowych założeń trzeba będzie po prostu porzucić.
4 grudnia 2025
Czy GPT-4o potrafi wykrywać błędy dostępności lepiej niż klasyczne Walidatory? Przyglądamy się badaniu, które testuje możliwości LLM-ów w automatycznym sprawdzaniu zgodności z wytycznymi WCAG.
Radek Smilgin
1 grudnia 2025
AI jest tematem, który obrósł mitami, a rzesza domorosłych specjalistów od wszystkiego wydała już na nią wyrok. Wszyscy oni się mylą i nikt z nich nie ma racji.
13 listopada 2025
Duże modele językowe (LLM) nie działają jak klasyczne aplikacje. Ich odpowiedzi są zmienne, probabilistyczne i zależne od parametrów generacji, więc nawet pozornie identyczne zapytania mogą prowadzić do różnych wyników. James Bach przypomina, że jeśli chcemy je testować uczciwie, musimy zmienić sposób myślenia.
Newsletter
Upewnij się, że nie ominęło Cię żadne ważne wydarzenie i zapisz się do naszego newslettera.
