В закритій групі, топовий рекрутер розповідає про нюанси подачі резюме та пошуку роботи 🤫

Це просто капець, на скільки зараз важкий ринок, але ці фішки які я тут чую це знахідка ❤️

Якщо хочете мати доступ до найкрутішого контенту, запрошую вас до закритого клубу

secure.wayforpay.com/sub/QAGrowthClub

Наступний вівторок Христина Кутна, проведе для вас практичний воркшоп по використанню техніки комбінаторики на основі ризиків.

Якщо ви бажаєте покращити тест аналіз на своєму проекті та скоротити в 2-3 рази кількість тестів, то вам точно сюди 👉

https://news.1rj.ru/str/+yvuZD1yveM04MzVi

Друзі всім привіт.

Я хочу провести воркшоп на якому ми разом розплануємо весь наступний рік, з тайм менеджментом, роадмапом розвитку та колесом балансу.

Кому цікаво правильно почати новий рік та розпланувати його по бест практикам, які я кожного року роблю, Welcome 🤗

Тренінг відбудеться 26 грудня та всі бажаючі зможуть долучитися написавши мені в особисті 👇
@yakymchuk_roma

Друзі залишилось ще 3 місця на тренінг по плануванню року 📝

Це 3 години інтерактиву, створення планів та основних задач на рік по всім секторам вашого життя.

Кожного року це дозволяє мені розпланувати якісно рік та досягти неаби яких результатів.

Чіткий план дає чітке розуміння куди ви можете прийти.

Хто ще хоче потрапити, пишіть мені, розповім деталі та додам до групи

@yakymchuk_roma

26 грудня з 18:00 по 21:00
Не пропустіть

Друзі, всіх щиро вітаю з Різдвом Христовим!

Сьогодні були в церкві та говорили про те що люди забулися приходити на день народження до Христа в церкву, щоб відмічати разом з ним його день народження.

Замість того всі собі святкують його день народження без нього, і це дійсно так. Хотілося б щоб більше людей усвідомлювало, що Різдво це не про сімейне свято і подарунки один одному, а все ж таки це день народження Христа.

Бажаю вам всім знайти його в своєму серці та щиро поговорити з ним сьогодні та привітати з святом 🙏🏻

Бажаю щоб ви та ваші сімʼї були здорові та радісні, щоб у вас все виходило 🙌

Всім привіт, Артем Безручко на звʼязку 🙌

Сьогодні про штучний інтелект говорять усюди - і це не просто хайп. Для QA та Testing він реально корисний: допомагає знімати рутину, швидше розбиратися з невідомим, структурувати думки, генерувати варіанти перевірок і підсвічувати “сліпі зони”. Наприклад: за 2–5 хвилин він може перетворити OpenAPI-спеку в список тест-ідей або підсумувати Jenkins-лог так, щоб стало ясно, де і чому впав тест. Але є нюанс: користь від AI майже завжди прямо пропорційна тому, як саме ти ним користуєшся.

Багато хто “пробував”, але не отримав вау-ефекту - бо підхід був випадковий, без системи, і AI відповідав так само випадково.
Щоб стало простіше, я люблю умовно ділити “володіння AI” на рівні. Це не про IQ і не про “хто крутіший”, а про те, наскільки глибоко AI інтегрований у твою щоденну роботу. Один і той самий інструмент в руках двох людей може бути або іграшкою, або реальним підсилювачем продуктивності.

L0 - “питання-відповідь” і текстовий пошук. Це найпоширеніший формат: попросити пояснити термін, знайти ідеї, згенерувати список, перефразувати текст, перекласти, підсумувати логіку. У QA це часто виглядає як: “поясни, що означає помилка в логах”, “зроби короткий summary баг-репорту”, “підкажи, які ризики в цьому флоу”. Корисно, швидко, але ефект обмежений - бо ти отримуєш відповідь більш-менш узагальнену, без прив’язки до твоїх правил і артефактів.

L1 - промптинг як навичка. Тут починається магія: ти вмієш ставити задачі правильно, давати контекст, обмеження, формат відповіді, приклади, критерії якості. Ключова різниця з L0 така: на L0 ти питаєш “що робити?”, а на L1 - задаєш “як саме робити”, у якому форматі, з якими обмеженнями і як перевірити результат. Для QA це означає: генерувати тест-кейси не “аби які”, а під контракт/AC; просити AI зробити мутації для негативного тестування; витягнути з OpenAPI обмеження та перетворити їх у тест-ідеї; допомогти з аналізом падінь у CI; сформувати чіткий чекліст для дослідницької сесії. На цьому рівні AI перестає бути “чатиком” і стає інструментом, який можна керовано використовувати.

L2 - інтеграції та автоматизація під конкретні задачі. Це коли AI - не окреме вікно, а частина процесу: наприклад, бот/скрипт, який бере Jira-опис і генерує первинний тест-скоуп; або пайплайн, який підтягує логи з Jenkins і робить зрозумілий звіт “що впало і чому”; або шаблон у Confluence/Notion, який напівавтоматично формує документацію. Тут цінність у тому, що ти зменшуєш ручну роботу системно, а не “коли згадав - тоді спитав”.

L3 - RAG (Retrieval Augmented Generation): AI з “пам’яттю” твоєї бази знань. Це вже рівень, коли модель не просто відповідає з того, на чому її навчали, а спочатку шукає інформацію у твоїх внутрішніх джерелах (документації, контрактах, політиках, специфікаціях, knowledge base), і лише потім формує відповідь на основі знайденого. У QA це дуже потужно: можна ставити питання типу “що в нашому контракті сказано про PATCH?” або “які були домовленості щодо error envelope?”, і отримувати відповідь, прив’язану до реальних документів команди, а не до абстрактних “кращих практик”.

Найголовніше: AI сам по собі не гарантує результат. Результат дає метод - розуміння рівнів, правильні патерни постановки задач, дисципліна в контексті та перевірці відповідей. І це, чесно, хороша новина: навичка прокачується доволі швидко, якщо рухатися структуровано. Якщо відчуваєш, що хочеться перейти від “я пробував” до “я реально використовую AI в QA щодня” - значить ти вже на правильному маршруті. 🙂

Друзі привіт, знаєте я почав працювати з ML та AI в 2018 році, наша компанія Lucidworks, яка займалась розробкою пошукового двигуна, використовувала повний арсенал технологій. AI, ML, BigData, якщо коротко про те що ми робили:

Наш пошуковий двигун, міг робити такі чудеса, коли людина заходила на сайт e-commerce, вибрати собі одяг, ми збирали всі сигнали (це дії, які клієнт виконував), наприклад навів на збільшуване скло подивитися поближче футболочку, вибрав рожевий колір і так далі, це все ми збирали в великий потік даних, ретельно аналізували і зберігали разом з куками в себе. Потім коли клієнт рухався по сайту, ми йому вже показували товари схожі на ті які він переглядав, робили акцент на видачу тих товарів, які віг прям збільшував картинки, видавали ті які він часто в пошуці шукав. Короче офігіти можна, ти заходиш на сайт, а тобі рекомендують прямо ідеальний одяг який ти хотів прямо весь прикид.

Та шо я тут зі своїми прикладами з реального життя, я ж для вас підготував топову статтю НОМЕР 2

Повну статтю по тестуванню ML ви можете прочитати вже зараз на каналі по АІ @AI_for_QA_Community

Всім привіт, Артем Безручко на звʼязку 🙌

LLM-ки та штучний інтелект уже стали звичною штукою майже для всіх в IT. Але парадокс: навіть зараз багато хто отримує або “слабкі” відповіді, або ті самі галюцинації. І найчастіше проблема не в AI, а в тому, що запит сформульований туманно. Коли у вас у питанні є прогалини - модель починає “домальовувати” картину сама. І от там зазвичай з’являються зайві припущення, шум і дивні деталі.

Якщо хочете стабільно нормальний результат - допомагає проста структура промпта. Спочатку скажіть AI, ким він має бути у вашій ситуації: наприклад, Senior QA Automation, дата-аналітик або Product Owner. Це одразу задає стиль мислення і те, як саме він буде відповідати.

Далі - контекст. І тут магія: саме контекст дуже часто вирішує, буде відповідь “вау” чи “ну… ок”. Наприклад: “у нас веб-форма оплати, є Apple Pay / Google Pay / картка / PayPal, треба протестити це без фантазій”. Коли AI розуміє “де ми зараз знаходимось”, він менше придумує і більше допомагає по суті.

Потім - конкретне завдання. Не “допоможи з тестуванням”, а щось максимально пряме: “згенеруй смоук-чекліст”, “знайди ризики”, “підкажи рівні тестування для цього флоу”. І одразу скажіть, як вам зручно отримати відповідь: коротко чи детально, списком чи таблицею, тільки по контексту чи з ідеями “що ще варто перевірити”.

І останнє, що реально піднімає якість - приклади. Якщо ви вже знаєте, як має виглядати результат (шаблон таблиці, структура чекліста, формат тест-кейсів) - просто вставте це в промпт. Так ви звужуєте “фантазію” моделі й отримуєте більш передбачувану відповідь.

Ну і простий принцип на кожен день: одна задача - один промпт. Не міксуйте “зроби чекліст + напиши тест-кейси + придумай стратегію + ще трохи про ризики” в одному запиті. Краще 2–3 коротких промпта - і результат буде в рази точніший.

Happy AI Testing 😉

TPI Next for All!
#process #improvement

Щось ми так запрацювались, що навіть про дійсно важливе для себе забули написати.

Ми з Льошею давно й успішно практикуємо консалтинг з покращення процесів тестування. Проводили відповідні аудити декілька разів вдвох (це завжди веселіше), ще по 3-5 разів кожен окремо.
Для того щоб покращити процес, по суті потрібні три речі:
1) знати його поточний стан
2) знати його бажаний стан
3) план дій для руху між поточним і бажаним станом
Для всіх трьох пунктів потрібен інструмент власне вимірювання стану процесу. І оскільки такі процеси, як тестування - це досить складна абстракція сама по собі, то для опису їх стану використовуються моделі, які дозволяють спроектувати все різноманіття форм різних процесів в різних компаніях на уніфіковану площину координат.

Найбільш вживані моделі для опису процесів тестування: TMAP, TMMI та TPI Next (а також різноманітні кастомізовані похідні від них).
І от нам з Льошею найбільше до душі свого часу прийшлась саме TPI Next, якою ми довго й плідно користуємось.

Якщо прибрати всі ці заумні пояснення, то модель процесу - це по суті великий (на 100+ пунктів) чекліст в ексельці.

Тепер от власне і до суті дістались :)
Екселька - це звісно найкращий інструмент всіх часів і народів, в якому можна зробити взагалі ВСЕ, але чомусь при будь якій найменшій нагоді люди не перестають придумувати спеціальні рішення для заміни ексельки :)

От і Льоша теж не втримався і навайбкодив в минулому році сайтик, де на гарній вебці (а не в ексельці) можна оцінювати зрілість процесів тестування у вашій або будь якій іншій компанії використовуючи модель TPI Next.
- без смс та реєстрації
- ваші дані - тільки ваші, вони зберігаються лише у вашому браузері локально
- з генерацією гарного PDF звіту й з вивантаженням raw data в csv
- українською й англійською

Користуйтесь наздоровʼя, ставте зірочки в гітхабі.
Ласкаво просимо!

https://qamania.github.io/TPI-Next/en/index.html