„Ha most nem lépjük meg, később sokkal többe fog kerülni.” - Hol tart az AI a szoftvertesztelésben?

Mekkora szerepe van ma a mesterséges intelligenciának a szoftverminőség biztosításban? Vajon tényleg kiválthatja a manuális munkát, vagy csak egy újabb hype? Honnan tudhatjuk, hogy mikor érdemes belevágni, és milyen buktatói vannak a tesztelési folyamatok AI-alapú támogatásának? Ebben az epizódban Hamana Zsolt, Hargitai Zsolt és Alb Szabolcs beszélgetnek a legfrissebb trendekről, konkrét eszközökről, és megosztják saját kutatásaikat is arról, hogy mit tud ma az AI – és mit nem.A beszélgetés fókuszában az a kérdés áll: hogyan lehet valódi értéket teremteni az AI-alapú tesztelés segítségével – és kik azok, akik ezt ma már tényleg csinálják? Kiderül, hogy a magyar cégek többsége még kivár, míg a finn cégek már bevezették, sőt skálázzák is az AI-tesztelési eszközöket. Szó esik arról, hogy az AI nem csak felgyorsítja a tesztelést, de képes lehet a teljes folyamatot átalakítani –a követelmények megfogalmazásától a tesztesetek karbantartásáig. De vajon bízhatunk benne? És ha igen: mennyit kell áldozni ezért?„Megfordult ez a trend, hogy nem az eszköz review-olja az ember munkáját, hanem az ember review-olja az eszköz munkáját.” – hangzik el az epizód egyik kulcsmondata, és ez jól mutatja, hogy már nem arról beszélünk, hogyan lehet hatékonyabb az ember – hanem arról, hogyan alakítsuk át a szerepét.Az adás érinti a kis- és középvállalkozások dilemmáit, a nagyvállalati pilot projektek előnyeit, az adatbiztonsági aggályokat és az AI-eszközök bevezetésének komplexitását is. Szóba kerül a Tricentis, mint a piac egyik legmeghatározóbb szereplője, de az is, hogy hogyan válhat a skálázás és a tesztesetek karbantartása lehetetlenné emberi munkaerővel.00:00 – Bevezető és felvetésMiért kerülhet sokba, ha most nem lépünk az AI-tesztelés irányába?02:00 – Bemutatkozás és nemzetközi trendekFinn példák, TMMI, a nemzetközi AI-használat a tesztelésben07:30 – Magyar cégek és AI: szkepszis, adatbiztonság, költségekMiért félnek a cégek, és miért marad ki a középmezőny?11:00 – AI-tesztelő eszközök piaca és saját kutatásMelyik a top 3 eszköz? Mit tud a Tricentis? Hogyan válassz eszközt?18:00 – Tesztelési kihívások és AI megoldásokIdőhiány, emberi hiba, lefedettség – hol tud segíteni a mesterséges intelligencia?26:00 – Automatizálás és AI integráció a gyakorlatbanTesztgenerálás, végrehajtás, karbantartás – időnyerés minden lépésben32:00 – Az AI új szerepe: torzításcsökkentés és kritikus gondolkodásHogyan csökkenti az AI az emberi hibákat – és hol van a határa?36:00 – Új technológiák, DevOps és AI-agentekA felhőalapú teszteléstől a Manus AI-ig – új szintre lép az intelligens támogatás42:00 – AI-bevezetés szervezeti szinten: alulról vagy felülről?Hogyan indul el egy pilot projekt? Külső vagy belső nyomás működik jobban?45:00 – KKV-k dilemmája és első lépésekMiért nem fér bele már a kimaradás – és hogyan kezdj hozzá kicsiben?47:00 – Skálázás, tesztkarbantartás és exponenciális növekedésMiért nem elég több tesztelő? Mit tesz az AI, ha duplázódik a kód?52:00 – Automatizálás, review és emberi felelősségAz AI helyettünk dolgozik – de még mindig nekünk kell leokézni1:05:00 – A jövő kérdése: mit csinál az AI, amikor már nem értjük?Mi történik, ha túl komplex lesz a rendszer az emberi értéshez?Hallgasd meg ezt az epizódot, ha:szeretnéd érteni, hogy hol tart ma az AI a tesztelésbenérdekel, mit gondolnak erről azok, akik napi szinten dolgoznak veleel akarod kerülni, hogy pár év múlva az AI miatt szorulj ki a piacról💬 Neked mi volt az első AI-eszköz, amit kipróbáltál a munkádban? Írd meg kommentben!Ha tetszett az epizód, iratkozz fel: https://mailchi.mp/testerlab/nlunk-mkdtt-podcast-signup🎧 Hallgasd meg az adást Spotify • YouTube • Apple Podcasts • Google Podcasts👤 Vendégek LinkedIn-profiljai Hamana Zsolt • Hargitai Zsolt • Alb Szabolcs🧠 Emlegetett AI-eszközök Tricentis – vezető AI-alapú tesztplatform Manus Agent – újgenerációs AI agent teszteléshez💼 Kapcsolat, konzultáció További információkért és együttműködéshez:testerlab.io