6 praktycznych przykładów AI w QA

1. Generowanie test cases z user story (CRISPE + Few-Shot)

Jesteś senior QA engineerem z 8-letnim doświadczeniem w fintech.
Twoje zadanie: wygeneruj test cases na podstawie user story.
Wiedz, że: projekt używa React + Java 17 + PostgreSQL.
Format: ID | Tytuł | Preconditions | Kroki | Oczekiwany wynik | Priorytet.

Przykład:
"Jako użytkownik chcę zmienić hasło"
→ TC-001 | Zmiana hasła - happy path | Zalogowany user |
  1) Profil, 2) Zmień hasło, 3) Stare i nowe, 4) Zapisz |
  Hasło zmienione | Wysoki

Teraz: "Jako użytkownik chcę zapłacić kartą z 3D Secure"
Uwzględnij: happy path, karty wygasłe, brak środków, timeout 3DS.

Narzędzie: ChatGPT lub Claude Sonnet

2. Analiza edge cases (Tree of Thought)

Jakie edge cases w module płatności kartą (3DS2, Visa/MC, PLN/EUR/USD)?

3 perspektywy:
A) Użytkownik (UX/flow)
B) Integracja (API, timeout, retry)
C) Dane (waluty, limity, formaty kart)

Dla każdej: 5 edge cases + ryzyko + jak testować.
Które 5 ze wszystkich jest najważniejsze?

Narzędzie: Claude Opus

3. Opis buga do Jiry (ARC)

Jako senior QA, napisz opis buga do Jiry.
Kontekst: Checkout, płatność BLIK, kliknięcie "Zapłać"
nie wywołuje akcji. Chrome 122, Firefox 124, Windows 11.
Konsola: "TypeError: Cannot read property 'submit' of null".
Staging, v2.4.1.

Format: Tytuł | Opis | Kroki | Expected | Actual |
Środowisko | Severity

Narzędzie: ChatGPT (szybkość), Rovo (kontekst Jiry)

4. Business case dla automatyzacji (SCQA)

Sytuacja: 8 QA, 12 modułów, 650 manualnych test cases,
release co 2 tyg.
Komplikacja: Regresja 5 dni = 40 osobodni/mies.
2 krytyczne bugi wyciekły na prod.
Pytanie: Jak uzasadnić automatyzację przed zarządem (nietech)?
Odpowiedź: Business case, max 300 słów, z ROI.
Bez żargonu technicznego.

Narzędzie: Claude Opus lub ChatGPT

5. Kod testowy z dokumentacji API (RAG + TDS)

Na podstawie WYŁĄCZNIE poniższej dokumentacji:
---
POST /api/v2/payments
Headers: Authorization: Bearer {token}
Body: { "amount": number, "currency": "PLN"|"EUR"|"USD",
        "card_token": string, "idempotency_key": string }
Responses: 201, 400, 401, 409, 422
---

Napisz testy REST Assured (Java 17 + JUnit 5).
Pokryj wszystkie kody odpowiedzi.
@ParameterizedTest dla walut.
Asercje na response time (<2000ms).
Nie wymyślaj pól spoza dokumentacji.

Narzędzie: Claude Code, Codex, Copilot

6. Raport sprintu (CO-STAR)

Kontekst: Sprint 14. 22 stories, 18 zaakceptowanych, 4 odrzucone.
7 bugów (2 critical, 3 major, 2 minor). Pokrycie auto: 62%.
Cel: Status jakości dla stakeholderów.
Styl: Profesjonalny, data-driven.
Ton: Rzeczowy, pozytywny ale uczciwy.
Odbiorca: PO + CTO.
Format: Email, max 200 słów.
Sekcje: Podsumowanie, Ryzyka, Rekomendacje, Następne kroki.

Narzędzie: ChatGPT, Claude Sonnet

---

W następnym wpisie: Multi-agent — jak orkiestrować kilka narzędzi AI razem.