Gen AI pro Web UI testing

Test analytici, manuální testeři, testeři automatizace, QA leadři a vývojáři, kteří chtějí začít systematicky využívat GenAI a LLM ve své každodenní praxi při testování webových aplikací.

• LLM modely – základní přehled
• Vibe-coding (příklady s Lovable)
• LLM workflows (příklady s Playwright AI botem)
• AI agenti (plánování a reasoning, nástroje, paměť)
• AI-augmented testing – příležitosti
• Úvod do MCP: Wopee.io, Playwright, GitHub, Jira
• Budoucnost (AI?) testingu

Teoretické bloky jsou vždy doplněny konkrétními ukázkami z praxe. Praktická cvičení probíhají přímo na příkladech z webové UI automatizace s využitím nástrojů GitHub Copilot, Atlassian (JIRA+Confluence), Wopee.io a Playwright.

• Teorie a prezentace (slidy)
• Praktická cvičení s aktivním zapojením účastníků

Pro inhouse variantu (min. 8 účastníků) umíme workshop upravit na míru vašemu týmu. Přizpůsobíme příklady, nástroje i praktická cvičení vašemu prostředí a konkrétním use casům. 

V případě zájmu umíme dodat také rozšíření pro API testing, případně samostatný workshop se stejnou strukturou, ale zaměřený na API. Doporučujeme jej jako navazující půldenní až jednodenní formát. Zaměříme se na využití GenAI a LLM při návrhu, automatizaci a analýze API testů.

• Úvod
  Krátké uvedení do tématu GenAI v testování a představení hlavních cílů workshopu. Účastníci získají rámcový přehled o tom, kde dnes GenAI dává v testování smysl a kde jsou její limity. Nastavíme si společná očekávání a konkrétní výstupy, které si mají z workshopu odnést.
• LLM modely – základní přehled
  Vysvětlíme si, co jsou LLM modely, jak fungují a proč jsou pro oblast testování zajímavé. Projdeme rozdíly mezi jednotlivými typy modelů a způsoby jejich nasazení v praxi.
• Vibe-coding a příklady s Lovable.dev
  Ukážeme si koncept „vibe codingu“, tedy rychlého vytváření funkcionality a prototypů za pomoci LLM nástrojů jako je Lovable.dev. Účastníci uvidí, jak lze generovat jednoduché aplikace. V praktické části si vyzkouší, jak z testovacího zadání vznikne aplikace.
• LLM workflows
  Představíme si, jak z jednotlivých LLM volání skládat workflow, které reálně pomáhá testovacím týmům. Na příkladech s nástrojem playwright-ai-bot ukážeme generování testů z uživatelských scénářů, screenshotů nebo existující aplikace.
• AI agenti (plánování a reasoning, nástroje, paměť)
  Vysvětlíme rozdíl mezi jednoduchým LLM voláním a skutečným AI agentem, který plánuje, používá nástroje a pracuje s pamětí. Projdeme konkrétní scénáře z testování, kde agenti umí převzít část práce testera, například průzkumné testy nebo vytváření regresních sad. V praktické části si účastníci vyzkouší, jak takového agenta využít v testovacím kontextu.
• AI-augmented testing – příležitosti
  Podíváme se na to, jak zapojit GenAI postupně do existujících testovacích procesů bez „big bang“ změny. Ukážeme, kde začít s rychlými přínosy, od generování testovacích scénářů, přes plánování testů, revizi a údržbu až po generování testovacích reportů.
• Úvod do MCP: Wopee.io, Playwright, GitHub, Jira
  Seznámíme účastníky s konceptem MCP (Model Context Protocol) a tím, jak umožňuje LLM pracovat přímo s nástroji jako Wopee.io, Playwright, GitHub nebo Jira. Na praktických ukázkách uvidí, jak může AI agent například spouštět testy, číst issue, vytvářet tikety nebo analyzovat výsledky. V cvičení si vyzkouší, jak tyto integrace mohou vypadat.
• Budoucnost (AI?) testování
  Na závěr se podíváme na trendy v oblasti AI a budoucnost testování. Probereme, jak se může měnit role testera a jaké dovednosti budou klíčové. Otevřeme diskuzi nad tím, co konkrétnně dává smysl zavádět ve vašem týmu v nejbližší době.