TGC'26

Testy Playwright napędzane AI - od agentów E2E po inteligentne testy API

•  Generowanie i modyfikowanie testów e2e i API z pomocą AI (framework testowy: Playwright).
• Praca z agentami testowymi i narzędziami MCP / Stagehand.
• Wykorzystanie AI do testów dostępności, danych testowych i walidacji logiki.
• Łączenie AI z CI/CD oraz utrzymanie generowanych testów.

Holistyczne Bezpieczeństwo Aplikacji narzędzia metody standardy i AI

Holistyczne Bezpieczeństwo Aplikacji to praktyczny warsztat dla osób, które chcą wejść w świat security testingu i nauczyć się patrzeć na aplikację z perspektywy ryzyk, podatności oraz realnych zagrożeń.

Podczas szkolenia poznasz podstawy bezpieczeństwa aplikacji, standardy OWASP, pracę z narzędziami takimi jak Kali Linux, Burp Suite, OWASP ZAP i Postman, a także wykorzystanie AI w testach security, analizie podatności i raportowaniu.

Szkolenie jest prowadzone od podstaw, ale obejmuje szeroki zakres tematów: aplikacje Web, API, Mobile, LLM, rekonesans, skany bezpieczeństwa, narzędzia security i praktyczne podejście do raportowania podatności.

From Logs to Insights: KQL for Test Engineers

Warsztat będzie prowadzony w języku angielskim, jednak Prowadząca komunikuje się w języku polskim i w razie wystąpienia jakichkolwiek barier językowych będzie mogła rozmawiać z uczestnikami w języku polskim.

Opis warsztatu:
As testers, we often feel that something is wrong in the system but don’t have enough evidence to prove it. Logs, HTTP requests, status codes and response times contain valuable information — if we know how to explore them.

In this hands-on workshop, you will learn how to use Kusto Query Language (KQL) to analyze data in Azure environment, investigate failures, and understand application behavior. You will practice writing simple queries to filter data, find errors, calculate failure rates, performance metrics and visualize results with charts.

No deep Azure knowledge is required. This session is designed for engineers who want to make data-driven decisions and better investigate issues using real system data.</br
Main takeaways:
- Intro: telemetry vs. monitoring vs. observability, and how it supports QA activities.
- Use Kusto Query Language (KQL) to query and analyze logs.
- Investigate failures and errors by analyzing HTTP status codes, failed requests and source IP activity, etc.
- Analyze performance trends using time-based queries and metrics such as average, P90, and P95 response times.
- Visualize and interpret log data with charts to support test analysis and reporting.
- Leave with set of KQL queries that can be reused/adapted for your projects.

Level: Middle QA/Dev/Ops

AI w pracy testera: od frameworków promptowych do workflowów multi-agentowych

Podczas warsztatu przekażemy uczestnikom praktyczną wiedzę o tym, jak testerzy mogą wykorzystywać AI w codziennej pracy — nie tylko do pojedynczych zapytań, ale jako realne wsparcie całego procesu testowego.

  Zaczniemy od krótkiego self-checku, który pomoże uczestnikom określić swój obecny poziom pracy z narzędziami AI. Następnie przejdziemy przez skalę adopcji AI: od poznania i stosowania frameworków promptowych, przez świadomą pracę z kontekstem, aż po projektowanie bardziej zaawansowanych workflowów z użyciem agentów i podejścia multi-agentowego.

  Warsztat będzie nastawiony na rozwijanie praktycznych umiejętności, które pomagają testerom lepiej analizować wymagania, projektować testy, generować dane, wspierać automatyzację i usprawniać codzienne zadania.

  Ze względu na dynamiczny rozwój narzędzi AI, finalny zakres oraz przykłady używane podczas szkolenia zostaną dopracowane około miesiąc przed warsztatem, aby zapewnić uczestnikom możliwie aktualną i praktyczną wiedzę.

  Po zakończeniu warsztatu uczestnicy otrzymają dodatkowe ćwiczenia oraz propozycje dalszego planu rozwoju w obszarze AI w pracy testera, tak aby każdy mógł samodzielnie utrwalać i rozwijać zdobyte umiejętności również po zajęciach.

Testowanie data pipelines w praktyce - warsztat dla QA

Cursor + Playwright = zrobiło się poważnie

Długo broniłem się przed używaniem AI w pracy. Dziś nie wyobrażam sobie powrotu do ręcznego pisania testów automatycznych. Pół roku temu godzinami i z wielkim trudem generowałem „takie sobie” testy. Dziś robię to błyskawicznie i z dużą przyjemnością. Nie dlatego, że sztuczna inteligencja to magiczny lek na wszystko, ale dlatego, że nauczyłem się mądrze z nią współpracować.

Nie uważam, że AI odbierze ci pracę. Ale jeśli zostaniesz w tyle – z pewnością zrobią to ludzie, którzy potrafią się nią sprawnie posługiwać. Czy Cursor + Playwright to przyszłość testowania? Dlaczego AI jest jak smok? I czy uda nam się nad nim zapanować? Wpadnij, żeby się dowiedzieć!

S.M.U.R.F. w praktyce: Warsztat budowania i optymalizacji testów Playwright. Wyciśnij maksimum z Speed, Reliability i Fidelity

Masz dość testów, które są niestabilne, trudne w utrzymaniu i wydłużają pipeline? Ten praktyczny warsztat pokaże Ci, jak przejść „od flaky do reliable” i budować produkcyjne testy w Playwright i TypeScript.

Skupimy się na AAA (Arrange–Act–Assert) oraz SMURF (Small, Maintainable, Understandable, Repeatable, Fast), czyli podejściu, które pomaga tworzyć małe, czytelne, przewidywalne i szybkie testy oraz usprawnia code review.

W praktyce zajmiemy się m.in. typowanymi fixtures Playwright, bezpiecznym teardownem i strategiami dla kosztownych setupów. Dużo uwagi poświęcimy również testom API i scenariuszom API+UI – wykorzystaniu APIRequestContext, seedowaniu i cleanupowi danych oraz selective mocking.

Nauczysz się diagnozować i refaktoryzować flakujące testy, wdrażać paralelizację i sharding w CI oraz wykorzystywać trace, screenshoty, video i metryki do szybszego znajdowania problemów.

To warsztat nastawiony na praktykę, piszesz kod, uruchamiasz testy i od razu mierzysz efekty zmian. Wyjdziesz z gotowymi wzorcami, checklistą SMURF do code review oraz rozwiązaniami, które pomogą skrócić czas wykonania i zwiększyć stabilność testów.

Szybki feedback w CI/CD: jak zaprojektować pipeline, który buduje, testuje i wdraża bez utraty jakości

Szybki feedback w CI/CD: jak krok po kroku zbudować pipeline, który testuje i raportuje bez utraty jakości
Pipeline CI/CD, którego wykonanie trwa zbyt długo, potrafi skutecznie spowolnić pracę całego zespołu: pull requesty czekają na wyniki, feedback pojawia się zbyt późno, a testy UI często stają się najbardziej kosztownym i najmniej przewidywalnym etapem procesu. W tym warsztacie pokażemy, jak zbudować pipeline, który szybko dostarcza zespołowi informację zwrotną i nie uruchamia najbardziej kosztownych testów wtedy, gdy wcześniejsze kontrole już wykryły problem.

 Uczestnicy otrzymają gotową aplikację demonstracyjną wraz z wyjściowym workflowem CI/CD, który uruchamia wszystkie kroki sekwencyjnie. Warsztat będzie bazował na GitHub Actions jako narzędziu do budowy i optymalizacji pipeline'u. Krok po kroku przebudujemy workflow w bardziej użyteczny pipeline: dodamy build aplikacji, linting, typecheck, podstawowy skan bezpieczeństwa, testy jednostkowe, testy API oraz testy UI. Następnie uporządkujemy poszczególne etapy tak, aby szybkie kontrole wykonywały się jako pierwsze, a bardziej kosztowne testy UI były uruchamiane selektywnie i z czytelnym raportowaniem.

 Podczas warsztatu skupimy się na technikach skracania feedback loop: rozdzielaniu jobów, definiowaniu zależności między etapami, uruchamianiu smoke testów dla pull requestów, ograniczaniu pełnej regresji UI do wybranych scenariuszy, stosowaniu mechanizmu fail-fast, publikowaniu raportów oraz zbieraniu artefaktów. Pokażemy także, jak wykorzystać równoległość i shardowanie testów UI bez potrzeby stawiania dodatkowej infrastruktury w chmurze.

Celem warsztatu nie jest nauka pisania testów od zera, ale zbudowanie pipeline'u, który dostarcza czytelny feedback, pomaga szybko zidentyfikować źródło problemu i podjąć decyzję o kolejnych krokach. Uczestnicy wyjdą z gotowym przykładem struktury CI/CD w GitHub Actions, którą będzie można łatwo zaadaptować do własnych projektów.

RiskStorming - Odkrywanie strategii testów

Ile razy zdarzyło Ci się przetestować coś dokładnie, a i tak najważniejszy błąd wyszedł tam, gdzie nikt nie patrzył? Risk Storming to sposób, żeby to zmienić. Zamiast testować "wszystko po trochu", uczysz się świadomie wybierać, co naprawdę wymaga uwagi.
Podczas warsztatu poznasz metodykę Risk Storming i talię kart TestSphere - narzędzie, które pomaga zespołom wspólnie zidentyfikować ryzyka w aplikacji, zanim staną się problemem na produkcji. Pracując w grupach nad realnym scenariuszem, przećwiczysz proces: określania atrybutów jakościowych, definiowania ryzyk, określenia działań testowych i przełożenia tego na strategię testów.

Co wyniesiesz z tego dnia:
• metodę na to, jak wspólnie z zespołem (developerami, PO, biznesem) zdecydować, co i jak testować,
• umiejętność prowadzenia własnej sesji Risk Storming - od pierwszego atrybutu jakościowego do konkretnego planu działania,
• skuteczną komunikację o ryzykach i priorytetach w zespole,
• konkretne, przećwiczone na realnych case study podejście, a nie tylko teorię.

Dla kogo: dla każdego testera - od juniora, który chce zrozumieć, jak myśleć o ryzyku, po seniora i lidera QA, który chce nauczyć tego swój zespół.

Format: całodniowy, intensywna praca w grupach, po polsku. Karty Test Sphere są opisane po angielsku - wymagana samodzielność czytania. Materiał bazowy: metodyka odwołuje się m.in. do tego materiału: How To Do Risk Based Software Testing Using TestSphere

Don’t be flaky! Stabilizacja drogą do niezawodnych automatów w praktyce (Selenium + Java)

Flaky tests są jedną z większych bolączek w automatyzacji testów.
Warsztat oparty o prelekcje wygłoszoną na 3 konferencjach pokaże praktyczne zastosowanie omawianych tam technik. Wykorzystamy framework na bazie Selenium oraz prostą aplikację webową.
Celem warsztatu jest przekazanie sprawdzonych praktyk wykrywania, zapobiegania i naprawiania flaky tests.
Dzięki kilkunastu latom doświadczenia zeszliśmy z flaky tests do poziomu < 0,5% na Quality Gates. Warsztat zrealizowany i wysoko oceniony na ConSelenium 2024 (ocena 4.9/5) i TestWarez 2025 (ocena 4.625/5).

n8n w służbie testera - od przeklikiwania do workflowów

Warsztat wprowadzający do n8n dla testerów — automatyzacja procesów wokół testów (powiadomienia, monitorowanie, raportowanie) bez pisania kodu. Znajomość n8n NIE jest wymagana.

Plan 6 bloków:
1. Hello World i koncept Item — fundament dla wszystkich kolejnych workflowów („n8n nie robi pętli, on iteruje").
2. Triggery + credentials + bootstrap workflow tworzący testowy projekt w Jirze/Trello (~30s zamiast 15 min klikania) → pierwszy własny workflow „Slack pinger".
3. Logika i transformacja + workflow „PR Notifier z kontekstem z Jiry/Trello" (Schedule + GitHub API + IF + Slack).
4. Data Tables, sub-workflowy, error workflow → workflow „Mini monitor statusów Jiry/Trello".
5. AI w n8n: AI Agent, prompt design, limity tokenów. Agent jako „doradca" vs „pracownik" → workflow „AI sumaryzator".
6. Pułapki produkcyjne (code review workflowów, multi-user, backupy w self-hosted) + self-hosted vs cloud.

Co uczestnik wynosi: działającego n8n na własnej maszynie, zestaw workflowów spiętych ze Slackiem, GitHubem i Jirą/Trello, ZIP z eksportami JSON + bootstrap workflow + cheatsheet (1 strona A4).

Format: hands-on follow-along, n8n lokalnie w Dockerze (cloud free jako backup), architektura outbound + polling. Grupa 12–18 osób.

Pre-workshop (PDF przez organizatora ~tydzień przed): instalacja Dockera + n8n self-hosted lub konto n8n.cloud, podstawy terminala, pojęcie REST/HTTP, korzystanie ze Slacka i GitHuba.

Audyt jakości oprogramowania - jak ocenić i poprawić jakość w organizacji

Agentic QA w dużych projektach

• Jak inicjalizować AI w istniejącym projekcie


• Dlaczego zasada „więcej kontekstu = lepsze wyniki” nie zawsze działa


• Co uwzględnić w dokumentacji dla AI, a czego unikać


• Jak selektywnie wczytywać dokumentację do kontekstu agenta


• Jak projektować orkiestrację - fazy, subagenci i pętla feedbacku


• Jak utrzymywać dokumentację niskim kosztem


• Jak sprawić, żeby agent z każdym zadaniem stawał się coraz lepszy

Testowanie dostępności w 2026: co zrobi za Ciebie AI (i jak to sprawdzić w praktyce)

1. Wprowadzenie: czym jest „testowanie dostępności w 2026” i gdzie w tym miejscu znajduje się AI

2. Szybkie przypomnienie podejścia klasycznego: narzędzia automatyczne (axe), testy manualne, screen reader

3. Praca na wspólnym case study (ta sama aplikacja / komponent dla wszystkich uczestników)

4. Testowanie klasyczne w praktyce:
Analiza wyników z narzędzi automatycznych
Identyfikacja problemów niewykrywalnych automatycznie
Testy z użyciem screen readera

5. Testowanie z wykorzystaniem AI / agentów:
Generowanie scenariuszy testowych
Analiza dostępności przez AI
Interpretacja wyników i potencjalne błędy / halucynacje

6. Porównanie wyników: AI vs narzędzia vs tester

7. Najczęstsze pułapki i ograniczenia AI w testowaniu dostępności

8. Jak sensownie włączyć AI do procesu QA (praktyczne wskazówki)

9. Podsumowanie + checklist: co warto zabrać do codziennej pracy