Szkolenie przygotowujące do certyfikacji "ISTQB® Testing with Generative AI" wraz z egzaminem online.
Szkolenie przygotowujące do certyfikacji "ISTQB® Testing with Generative AI" wraz z egzaminem online.
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Grupa docelowa usługi
Szkolenie jest skierowane do:
- testerów oprogramowania (manualnych i automatyzujących),
- liderów QA i test managerów,
- inżynierów jakości oraz osób przygotowujących się do certyfikacji Testing with Generative AI,
- specjalistów IT zainteresowanych wdrażaniem Gen-AI w procesach testowych.
- Minimalna liczba uczestników6
- Maksymalna liczba uczestników15
- Data zakończenia rekrutacji09-12-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Podstawa uzyskania wpisu do BURStandard Usługi Szkoleniowo-Rozwojowej PIFS SUS 2.0
Cel
Cel
Cel edukacyjny
Celem szkolenia jest przygotowanie uczestników do egzaminu certyfikującego „ISTQB® Testing with Generative AI” poprzez rozwinięcie kompetencji w zakresie świadomego, bezpiecznego i efektywnego wykorzystania generatywnej sztucznej inteligencji w testowaniu oprogramowania, w tym projektowania promptów, oceny wyników LLM, zarządzania ryzykiem oraz wdrażania rozwiązań opartych o Gen-AI w organizacjach.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Uczestnik definiuje podstawowe pojęcia i koncepcje generatywnej sztucznej inteligencji w testowaniu oprogramowania. | Rozróżnia symboliczne AI, klasyczne ML, deep learning i generatywną AI. | Test teoretyczny z wynikiem generowanym automatycznie |
| Wyjaśnia różnice między modelami bazowymi, instrukcyjnymi i rozumującymi LLM. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Uczestnik opisuje możliwości i ograniczenia zastosowania LLM w zadaniach testowych. | Wskazuje typowe zastosowania LLM w analizie testów, projektowaniu testów i regresji. | Test teoretyczny z wynikiem generowanym automatycznie |
| Identyfikuje ograniczenia wynikające z halucynacji i błędów rozumowania. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Uczestnik objaśnia zasady inżynierii promptów w kontekście testowania oprogramowania. | Opisuje strukturę skutecznego promptu. | Test teoretyczny z wynikiem generowanym automatycznie |
| Rozróżnia prompt systemowy i użytkownika. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Uczestnik charakteryzuje ryzyka, regulacje oraz aspekty infrastrukturalne Gen-AI w testowaniu. | Omawia ryzyka prywatności, bezpieczeństwa i „Shadow AI”. | Test teoretyczny z wynikiem generowanym automatycznie |
| Wyjaśnia koncepcję RAG, agentów LLM i LLMOps. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Uczestnik rozpoznaje poprawne podejścia do projektowania i optymalizacji promptów do zadań testowych z wykorzystaniem Gen-AI. | Identyfikuje poprawne prompty do generowania przypadków testowych. | Test teoretyczny z wynikiem generowanym automatycznie |
| Dobiera techniki promptowania do konkretnego celu testowego. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Uczestnik rozpoznaje poprawne podejście do analizy i oceny wyników generatywnej AI w kontekście jakości testów. | Identyfikuje halucynacje i uprzedzenia w wynikach. | Test teoretyczny z wynikiem generowanym automatycznie |
| Podejmuje decyzję o użyteczności wyników Gen-AI. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Uczestnik rozpoznaje poprawne podejście do projektowania koncepcji infrastruktury testowej opartej na LLM. | Wskazuje kluczowe komponenty architektury LLM-based testing. | Test teoretyczny z wynikiem generowanym automatycznie |
| Wyjaśnia rolę RAG i agentów LLM. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Uczestnik stosuje krytyczne i analityczne podejście do wyników generatywnej AI. | Weryfikuje poprawność odpowiedzi LLM. | Test teoretyczny z wynikiem generowanym automatycznie |
| Uzasadnia decyzje o użyciu lub odrzuceniu wyników AI. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Uczestnik komunikuje możliwości i ryzyka Gen-AI. | Identyfikuje metody prezentacji wyników testów wspieranych Gen-AI. | Test teoretyczny z wynikiem generowanym automatycznie |
| Rozpoznaje właściwe postawy i sposoby komunikacji ograniczeń i ryzyk technologii. | Test teoretyczny z wynikiem generowanym automatycznie |
Kwalifikacje i kompetencje
Kwalifikacje
Kwalifikacje niewłączone do ZSK
Uznane kwalifikacje
Informacje
- Nazwa Podmiotu prowadzącego walidacjęGASQ (Global Association for Software Quality)
- Nazwa Podmiotu certyfikującegoISTQB (International Software Testing Quality Board)
Dodatkowe pliki
Program
Program
Szkolenie odbywa się w dniach 14-15.12.2026 godzinach 9.00-17.00.
Grupa szkoleniowa liczy 6-15 osób.
Walidacja (Egzamin) odbywa się 22.12.2026 o godz. 10.00.
Język: angielski
Czas trwania: 75 min.
Liczba pytań: 40
Próg zdawalności: 65 %
Zakres tematyczny
1. Wprowadzenie do generatywnej sztucznej inteligencji w testowaniu oprogramowania
- Podstawy i kluczowe koncepcje generatywnej sztucznej inteligencji
- Spektrum AI: Symboliczna AI, klasyczne uczenie maszynowe, głębokie uczenie i generatywna AI
- Podstawy generatywnej AI i dużych modeli językowych (LLM)
- Modele bazowe, dostrojone instrukcyjnie i modele rozumujące LLM
- Modele: LLM i Vision-Language
2. Podstawowe zasady wykorzystania generatywnej sztucznej inteligencji w testowaniu
- Główne możliwości dużych modeli językowych (LLM) w zadaniach testowych
- Chatboty AI i aplikacje do testowania oparte na LLM
3. Inżynieria promptów
- Efektywne tworzenie promptów
- Struktura promptów dla Gen-AI
- Podstawowe techniki tworzenia promptów w testowaniu
- Prompt systemowy i prompt użytkownika
4. Zastosowanie technik inżynierii promptów w zadaniach testowania oprogramowania
- Analiza testów przy użyciu Gen-AI
- Projektowanie i implementacja testów z wykorzystaniem Gen-AI
- Automatyczne testy regresyjne z Gen-AI
- Monitorowanie i kontrola testów przy użyciu generatywnej AI
- Wybór technik promptowania
5. Ocena wyników Gen-AI i dopracowywanie promptów dla zadań testowych
- Metryki oceny wyników generatywnej AI w zadaniach testowych
- Techniki oceny i iteracyjnego udoskonalania promptów
6. Zarządzanie ryzykiem Gen-AI
- Halucynacje, błędy w rozumowaniu i uprzedzenia
- Identyfikacja halucynacji, błędów w rozumowaniu i uprzedzeń w wynikach LLM
- Techniki łagodzenia halucynacji, błędów i uprzedzeń
- Ryzyka związane z prywatnością danych i bezpieczeństwem
- Strategie łagodzenia w celu ochrony prywatności danych i zwiększenia bezpieczeństwa
- Konsumpcja energii i wpływ środowiskowy Gen-AI
- Regulacje AI, standardy i ramy najlepszych praktyk
7. Infrastruktura testowa oparta na LLM w testowaniu oprogramowania
- Podejścia architektoniczne dla infrastruktury testowej opartej na LLM
- Kluczowe komponenty architektoniczne i koncepcje infrastruktury testowej opartej na LLM
- Generowanie wspomagane przez wyszukiwanie (Retrieval-Augmented Generation)
- Rola agentów opartych na LLM w automatyzacji procesów testowych
- Dostosowywanie LLM do zadań testowych
- LLMOps przy wdrażaniu i zarządzaniu LLM w testowaniu oprogramowania
8. Wdrażanie i integracja generatywnej AI w organizacjach
- Plan wdrażania Gen-AI w testowaniu
- Ryzyka związane z "Shadow AI"
- Aspekty strategii Gen-AI w testowaniu
- Wybór LLM/SLM do zadań testowych
- Etapy wdrażania Gen-AI w testowaniu
- Zarządzanie zmianą przy wdrażaniu Gen-AI
- Niezbędne umiejętności i wiedza do testowania z Gen-AI
- Budowanie kompetencji Gen-AI w zespołach
- Ewolucja procesów testowych w organizacjach testowych wspieranych AI
9.Walidacja - Egzamin ISTQB
Harmonogram
Harmonogram
| Przedmiot / temat | Typ aktywności | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|---|
Przedmiot / temat 1 z 11 Wprowadzenie do generatywnej sztucznej inteligencji w testowaniu oprogramowania- wykład | Typ aktywności Zajęcia | Prowadzący Joanna Kazun | Data realizacji zajęć 14-12-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 10:30 | Liczba godzin 01:30 |
Przedmiot / temat 2 z 11 Podstawowe zasady wykorzystania generatywnej sztucznej inteligencji w testowaniu- wykład, prezentacja | Typ aktywności Zajęcia | Prowadzący Joanna Kazun | Data realizacji zajęć 14-12-2026 | Godzina rozpoczęcia 10:30 | Godzina zakończenia 12:00 | Liczba godzin 01:30 |
Przedmiot / temat 3 z 11 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 14-12-2026 | Godzina rozpoczęcia 12:00 | Godzina zakończenia 13:00 | Liczba godzin 01:00 |
Przedmiot / temat 4 z 11 Inżynieria promptów- prezentacja | Typ aktywności Zajęcia | Prowadzący Joanna Kazun | Data realizacji zajęć 14-12-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 15:00 | Liczba godzin 02:00 |
Przedmiot / temat 5 z 11 Zastosowanie technik inżynierii promptów w zadaniach testowania oprogramowania- prezentacja | Typ aktywności Zajęcia | Prowadzący Joanna Kazun | Data realizacji zajęć 14-12-2026 | Godzina rozpoczęcia 15:00 | Godzina zakończenia 17:00 | Liczba godzin 02:00 |
Przedmiot / temat 6 z 11 Ocena wyników Gen-AI i dopracowywanie promptów dla zadań testowych- wykład, prezentacja | Typ aktywności Zajęcia | Prowadzący Joanna Kazun | Data realizacji zajęć 15-12-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 10:30 | Liczba godzin 01:30 |
Przedmiot / temat 7 z 11 Zarządzanie ryzykiem Gen-AI- prezentacja | Typ aktywności Zajęcia | Prowadzący Joanna Kazun | Data realizacji zajęć 15-12-2026 | Godzina rozpoczęcia 10:30 | Godzina zakończenia 12:00 | Liczba godzin 01:30 |
Przedmiot / temat 8 z 11 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 15-12-2026 | Godzina rozpoczęcia 12:00 | Godzina zakończenia 13:00 | Liczba godzin 01:00 |
Przedmiot / temat 9 z 11 Infrastruktura testowa oparta na LLM w testowaniu oprogramowania- prezentacja | Typ aktywności Zajęcia | Prowadzący Joanna Kazun | Data realizacji zajęć 15-12-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 15:00 | Liczba godzin 02:00 |
Przedmiot / temat 10 z 11 Wdrażanie i integracja generatywnej AI w organizacjach- wykład, prezentacja | Typ aktywności Zajęcia | Prowadzący Joanna Kazun | Data realizacji zajęć 15-12-2026 | Godzina rozpoczęcia 15:00 | Godzina zakończenia 17:00 | Liczba godzin 02:00 |
Przedmiot / temat 11 z 11 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 22-12-2026 | Godzina rozpoczęcia 10:00 | Godzina zakończenia 11:15 | Liczba godzin 01:15 |
Podsumowanie
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Suma godzin zegarowych usługi | Liczba godzin 17:15 |
Rodzaj godzin w tym suma godzin zajęć | Liczba godzin 14:00 |
Rodzaj godzin w tym suma godzin walidacji | Liczba godzin 01:15 |
Rodzaj godzin w tym suma przerw | Liczba godzin 02:00 |
Rodzaj godzin Suma godzin dydaktycznych bez przerw | Liczba godzin 20:15 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 3 382,50 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 2 750,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 196,09 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 159,42 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 1 168,50 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 950,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 0,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 0,00 PLN |
Liczba godzin usługi
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Liczba godzin zegarowych usługi | Liczba godzin 17:15 |
Prowadzący
Prowadzący
Joanna Kazun
Od 2012 roku akredytowany trenerem szkoleń ISTQB®
i IREB®.
Szkoli tylko na bazie akredytowanych materiałów, których jest autorem lub współautorem.
Od 2019 roku prowadzi blok poświęcony inżynierii wymagań na studiach podyplomowych z Analizy Biznesowej na Uniwersytecie Jagiellońskim w Krakowie.
Wspiera młodych jako Lead Coach w ramach inicjatywy programu „AI for Youth” realizowanego we współpracy z firmą Intel – sztuczna inteligencja w szkołach średnich.
Absolwentka Politechniki Warszawskiej na kierunku "Informatyka", Uniwersytetu Warszawskiego na kierunku "Zarządzanie projektami" oraz SGH na kierunku „Business Intelligence – Systemy wspomagania decyzji biznesowych”
Od 2005 roku zdobywa doświadczenie w projektach IT
w rolach: Analityk Biznesowo – Systemowy, Scrum Master, Test Manager.
Obecnie odpowiada za pozyskiwanie wymagań, prototypowanie UI oraz za warstwę integracji międzysystemowej.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Uczestnicy otrzymują komplet materiałów:
- Prezentacja szkoleniowa
- Egzamin przykładowy ISTQB® Certified Tester - Testing with Generative AI (CT-GenAI) - odpowiedzi [EN]
- Egzamin przykładowy ISTQB® Certified Tester - Testing with Generative AI (CT-GenAI) - pytania [EN]
- Sylabus ISTQB® Certified Tester - Testing with Generative AI (CT-GenAI) [EN]
Warunki uczestnictwa
Warunkiem uczestnictwa w kursie jest posiadanie min. 12-miesięcznego doświadczenia w testowaniu.
Aby przystąpić do egzaminu niezbędna jest wcześniejsza certyfikacja na poziomie podstawowym.
Informacje dodatkowe
Warunkiem organizacji szkolenia otwartego jest zebranie grupy min. 6 osób. W przypadku wystarczającej liczby chętnych, szkolenie zostanie przełożone na kolejny termin.
Usługa z dofinansowaniem min. 70% może być zwolniona z VAT.
Warunki techniczne
Warunki techniczne
Szkolenie odbywa się za pośrednictwem platformy Zoom.
Uczestnicy proszeni są o przygotowanie laptopa/PC ze stabilnym łączem internetowym, przeglądarką internetową oraz edytorem tekstu.
Egzamin odbywa się za pośrednictwem platformy Proctor Exam.
Uczestnicy powinni przygotować:
- Komputer/laptop z kamerą internetową i mikrofonem - obłuskiwane systemy : Windows, MacOS, obsługiwane przeglądarki: Google Chrome, Microsoft Edge , Opera, Safari
- Tablet /smartfon z aparatem
- Stabilne połączenie internetowe
- Dokument ze zdjęciem