Specjalista AI QA: projektuję procesy decyzyjne QA wspierane przez AI
Prowadzę wyspecjalizowaną firmę usługową AI QA. Projektuję i wdrażam procesy, które pomagają zespołom inżynierskim odpowiedzieć na pytanie: „co powinniśmy przetestować i dlaczego?” - zanim uruchomią pełną regresję.
Łączę ponad 10 lat praktyki w quality engineering z doświadczeniem w automatyzacji, systemach backendowych, API, CI/CD oraz workflowach agentowych. AI traktuję jako część kontrolowanego procesu inżynierskiego, a nie jako efektowne demo oderwane od sposobu pracy zespołu.
Od zmiany w kodzie do decyzji QA
Przed rozpoczęciem testów QA często musi ręcznie połączyć informacje z ticketu, PR-a, diffu, kodu i pipeline'u. Ten etap bywa powtarzalny, zależny od doświadczenia konkretnej osoby i niewidoczny w raportach z wykonania testów.
Projektuję workflowy, które porządkują ten kontekst i zamieniają go w praktyczny QA Brief. Może on zawierać podsumowanie zmiany, obszary wpływu, ryzyka, edge case'y, sugerowany zakres testów, luki w pokryciu oraz pytania wymagające wyjaśnienia.
Rezultat pojawia się tam, gdzie zespół już pracuje - na przykład przy PR-ze lub w pipeline'ie - zamiast tworzyć kolejny osobny system QA.
Ten etap opisałem we wpisie o ukrytym koszcie zakresu przy PR. Gdy pipeline dokłada szum zamiast jasnego sygnału, ten sam zespół traci uwagę na triage. O tym jest tekst o hałaśliwym CI.
Ten sam sposób pracy mogę rozszerzyć na powiązane workflowy QA, gdy pasują do Waszego procesu: AI QA w CI, interpretację wyników testów i triage flaky testów, ocenę wiarygodności agentów QA, automatyzację testów API i backendu oraz bramki jakości oparte na ryzyku. Technicznie opieram się m.in. na .NET, TypeScript, Playwright, Azure i istniejącym CI/CD.
Jak pracuję
Każde rozwiązanie projektuję z naciskiem na:
- rekomendacje oparte na konkretnych źródłach;
- jawne wskazywanie niepewności;
- human-in-the-loop i ostateczną decyzję człowieka;
- minimalny, kontrolowany dostęp do danych;
- integrację z istniejącym Git, Jira i CI/CD;
- mierzenie jakości i przydatności wyników;
- brak automatycznego zatwierdzania zmian lub ukrytych działań.
Nie sprzedaję „magicznego AI”, autonomicznego zastępowania QA ani liczby wygenerowanych testów jako celu samego w sobie.
Doświadczenie, które wnoszę
Od 2015 roku pracuję przy jakości systemów backendowych, API, integracjach i automatyzacji w CI/CD. Budowałem frameworki testowe od podstaw, pełniłem rolę QA Leada, prowadziłem mentoring i uczyłem przyszłych testerów.
Moje doświadczenie obejmuje między innymi systemy dla energetyki, e-commerce, business intelligence oraz branży travel i security. Technicznie najbliższe są mi .NET, Azure, C#, TypeScript, Playwright, Docker, testy API i systemy rozproszone.
Wybrane doświadczenie
Technologie i narzędzia
- C#
- .NET
- testy API
- Docker
- CircleCI
- CI/CD
- Git
- Azure Service Bus
- WireMock.NET
- SQL
- xUnit
- NUnit
- Proces weryfikacji usług .NET w Dockerze: od kontraktu API i zależności, przez testy systemowe i integracyjne, po pakiety uruchamiane w CI/CD.
- Rozszerzanie frameworka testów API tak, żeby ten sam zestaw pokrywał warstwę systemową, integracje wewnętrzne i dostawców zewnętrznych.
- Izolacja zależności (WireMock.NET), żeby testy niżej w piramidzie były powtarzalne i niezależne od niestabilnych usług trzecich.
- Ustalanie zakresu regresji na podstawie ryzyka zmiany, zamiast odpalania pełnego zestawu przy każdej poprawce.
- Wspólne doprecyzowanie wpływu zmiany z deweloperami, analitykami i product ownerami, zanim zakres testów zostanie zamknięty.
Technologie i narzędzia
- Selenium
- C#
- .NET
- REST API
- NUnit
- Azure
- Azure DevOps
- Docker
- Testcontainers
- Event Bus
- SQL
- NoSQL
- Gherkin
- BDD
- CI/CD
- WireMock.NET
- Databricks
- Proces QA przy modernizacji systemów energetycznych: weryfikacja, czy logika biznesowa przeniesiona z mainframe na .NET zachowuje się tak samo w nowych usługach.
- Testy integracyjne zadań wsadowych - przetwarzanie danych, przejścia stanów i orkiestracja nocnych obciążeń - zanim wynik trafi dalej w łańcuch.
- Porównywanie źródeł legacy z mikroserwisami pod kątem równoważności funkcjonalnej i spójności danych (Databricks, SQL, duże zbiory).
- Budowa frameworków automatyzacji od podstaw dla API i procesów asynchronicznych, tak żeby nowy scenariusz wpisywał się w ten sam tor weryfikacji.
- Wpięcie pakietów batchowych i regresyjnych w Azure DevOps, żeby feedback wracał w pipeline'ie, a nie poza nim.
Technologie i narzędzia
- Selenium
- Playwright
- C#
- .NET
- TypeScript
- REST API
- NUnit
- Azure
- Azure DevOps
- Docker
- SQL
- NoSQL
- CI/CD
- Snowflake
- Układanie procesu jakości w zespołach produktowych: od ustaleń zakresu, przez automatyzację, po czytelny status przed wydaniem.
- Mentoring i wprowadzanie praktyk QA tak, żeby decyzja o tym, co sprawdzić, nie zależała wyłącznie od jednej osoby.
- Projektowanie automatyzacji backendu, frontendu i testów wydajnościowych jako jednego ciągu, a nie osobnych silosów.
- Osadzanie testów w CI/CD, żeby wynik weryfikacji wracał tam, gdzie zespół i tak śledzi zmianę.
- Analiza wyników testów i przełożenie ich na konkretne działania naprawcze, a nie tylko na raport ze statusu.
- Prowadzenie szkolenia QA jako procesu: od wymagań i projektu testów, przez wykonanie, po omówienie ryzyka i zakresu.
- Przeprowadzanie pierwszego sprintu demo z nowymi osobami, żeby od razu ćwiczyły dostarczanie w krótkim cyklu, a nie tylko teorię.
- Opracowanie materiałów z naciskiem na praktyczne umiejętności: jak czytać zmianę, jak ustalić, co sprawdzić, jak raportować.
- Mentoring kursantów w codziennej pracy testerskiej, a nie wyłącznie w przygotowaniu do egzaminu.
Technologie i narzędzia
- Selenium
- Java
- REST API
- JUnit
- Maven
- Docker
- Gatling
- SQL
- CI/CD
- Proces automatyzacji testów funkcjonalnych i API: od scenariusza, przez skrypt, po powtarzalne uruchomienie.
- Śledzenie wyników i wsparcie przy debugowaniu, żeby czerwony test kończył się decyzją, a nie ponownym odpaleniem w ciemno.
- Onboarding nowych osób do standardów QA: jak dokumentować, jak zgłaszać, jak nie omijać uzgodnionego zakresu.
- Łączenie testów funkcjonalnych, integracyjnych i wydajnościowych w jeden obraz ryzyka przed wydaniem.
Technologie i narzędzia
- Selenium
- Java
- REST API
- JUnit
- Maven
- Docker
- Gatling
- Spock
- Groovy
- SQL
- NoSQL
- CI/CD
- BDD
- Proces automatyzacji w zespole Security: projekt skryptu, wykonanie, utrzymanie wspólnej biblioteki testów.
- Od planu testów, przez dokumentowanie defektów, po analizę wyników i rekomendację, co naprawić najpierw.
- Wspólna pętla z deweloperami: reprodukcja, poprawka, ponowna weryfikacja i raport, który da się audytować.
Technologie i narzędzia
- Selenium
- C#
- .NET
- REST API
- NUnit
- Azure
- Azure DevOps
- Docker
- SQL
- CI/CD
- Proces testów manualnych i integracyjnych w zespole BI, z raportowaniem w TFS jako wspólnym śladem weryfikacji.
- Utrzymanie przypadków testowych obok dokumentacji, testów wydajnościowych i wykonań na urządzeniach mobilnych.
- Przygotowanie danych testowych i wpasowanie weryfikacji w rytm pracy zespołu agile, zanim zmiana pójdzie dalej.
Jak Wasz zespół ustala dziś, co należy przetestować przy konkretnej zmianie?
Jeżeli wymaga to ręcznego łączenia ticketu, PR-a, diffu i wiedzy rozproszonej pomiędzy kilkoma osobami, porozmawiajmy o tym procesie. Podczas krótkiej rozmowy sprawdzimy, czy AI QA workflow ma w Waszym przypadku praktyczne uzasadnienie.