Nálunk működött - podcast digitális döntéshozóknak

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

· PT1H17M35S

Összefoglaló

A Nálunk működött podcast ezen epizódja a mesterséges intelligencia szoftvertesztelésben betöltött szerepét vizsgálja. Hamana Zsolt, Hargitai Zsolt és Alb Szabolcs a legújabb trendekről és konkrét eszközökről beszélgetnek, bemutatva az AI képességeit és korlátait a tesztelési…

Fejezetek

  1. — Bevezető és felvetés Miért kerülhet sokba, ha most nem lépünk az AI-tesztelés irányába? 02:00 – Bemutatkozás és nemzetkö
  2. — Magyar cégek és AI: szkepszis, adatbiztonság, költségek Miért félnek a cégek, és miért marad ki a középmezőny? 11:00 – A
  3. — Tesztelési kihívások és AI megoldások Időhiány, emberi hiba, lefedettség – hol tud segíteni a mesterséges intelligencia?
  4. — Az AI új szerepe: torzításcsökkentés és kritikus gondolkodás Hogyan csökkenti az AI az emberi hibákat – és hol van a hat
  5. — AI-bevezetés szervezeti szinten: alulról vagy felülről? Hogyan indul el egy pilot projekt? Külső vagy belső nyomás működ
  6. — Skálázás, tesztkarbantartás és exponenciális növekedés Miért nem elég több tesztelő? Mit tesz az AI, ha duplázódik a kód
  7. — A jövő kérdése: mit csinál az AI, amikor már nem értjük? Mi történik, ha túl komplex lesz a rendszer az emberi értéshez?

Ebben az epizódban

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.

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 felvetés Miért kerülhet sokba, ha most nem lépünk az AI-tesztelés irányába? 02:00 – Bemutatkozás és nemzetközi trendek Finn példák, TMMI, a nemzetközi AI-használat a tesztelésben 07:30 – Magyar cégek és AI: szkepszis, adatbiztonság, költségek Miért félnek a cégek, és miért marad ki a középmezőny? 11:00 – AI-tesztelő eszközök piaca és saját kutatás Melyik a top 3 eszköz?

Hogyan válassz eszközt? 18:00 – Tesztelési kihívások és AI megoldások Időhiány, emberi hiba, lefedettség – hol tud segíteni a mesterséges intelligencia? 26:00 – Automatizálás és AI integráció a gyakorlatban Tesztgenerálás, végrehajtás, karbantartás – időnyerés minden lépésben 32:00 – Az AI új szerepe: torzításcsökkentés és kritikus gondolkodás Hogyan csökkenti az AI az emberi hibákat – és hol van a határa? 36:00 – Új technológiák, DevOps és AI-agentek A felhőalapú teszteléstől a Manus AI-ig – új szintre lép az intelligens támogatás 42:00 – 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 lépések Miért nem fér bele már a kimaradás – és hogyan kezdj hozzá kicsiben? 47:00 – Skálázás, tesztkarbantartás és exponenciális növekedés Miért nem elég több tesztelő?

Mit tesz az AI, ha duplázódik a kód? 52:00 – Automatizálás, review és emberi felelősség Az AI helyettünk dolgozik – de még mindig nekünk kell leokézni 1:05:00 – 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 tesztelésben érdekel, mit gondolnak erről azok, akik napi szinten dolgoznak vele el akarod kerülni, hogy pár év múlva az AI miatt szorulj ki a piacról 💬 Neked mi volt az első AI-eszköz, amit kipróbáltál a munkádban?

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.i

Említett entitások

Témák

Cégek

Hallgasd meg

Több epizód a Nálunk működött - podcast digitális döntéshozóknak-ből