AI đang thay đổi cả cách thực hiện kiểm thử phần mềm lẫn những gì chuyên gia kiểm thử cần đánh giá. Testing with AI and Testing AI Systems đề cập cả hai phía của sự chuyển đổi này: dùng AI để cải thiện công việc kiểm thử, và áp dụng cách tiếp cận chuyên biệt để kiểm thử hệ thống hỗ trợ AI.
Phần đầu, Kiểm Thử Hệ Thống AI và Kiểm Thử Với AI, giúp người học xây dựng AI literacy thiết yếu và hiểu vai trò của machine learning, generative AI, large language models và dữ liệu trong sản phẩm phần mềm hiện đại. Người học phát triển kỹ năng co-piloting và prompt engineering thực tế, rồi áp dụng generative AI vào phân tích test, thiết kế test, exploratory testing, tài liệu, báo cáo và các hoạt động kiểm thử hằng ngày khác.
Một phần lớn của khóa học giới thiệu 22 cách có cấu trúc AI có thể hỗ trợ kiểm thử thủ công và exploratory. Các thực hành này giúp người học dùng AI để nhận diện sự mơ hồ, sinh ý tưởng test, phân tích coverage, tạo exploratory charter, ưu tiên rủi ro, cải thiện bug report, thiết kế test data và hỗ trợ giao tiếp chuyên nghiệp. Khóa học cũng giới thiệu các giải pháp tùy chỉnh hỗ trợ AI có thể thích ứng với workflow kiểm thử cụ thể.
Phần thứ hai, Kiểm thử hệ thống AI, tập trung vào đặc điểm và rủi ro phân biệt phần mềm AI với hệ thống deterministic truyền thống. Người học xem xét probabilistic outputs, phụ thuộc dữ liệu, bias, model drift, hallucination, hành vi adversarial, explainability, instruction fidelity, tính nhất quán output, latency, scalability và đánh giá Human-in-the-Loop.
Các phương pháp kiểm thử thực tế, công cụ, demo và bài tập giúp người học đánh giá hệ thống AI có hệ thống hơn. Trọng tâm vẫn là trách nhiệm của con người: AI có thể hỗ trợ phân tích và thực thi, nhưng tester vẫn chịu trách nhiệm về ngữ cảnh, tiêu chí đánh giá, quyết định chất lượng và phê duyệt.
Sau khi hoàn thành khóa học, người học sẽ có thể:
- Hiểu các khái niệm AI, GenAI và LLM thiết yếu.
- Cộng tác với AI qua prompting có cấu trúc và tinh chỉnh lặp lại.
- Áp dụng hỗ trợ AI trên các workflow kiểm thử thực tế.
- Nhận diện giới hạn và các mẫu lỗi thường gặp của output AI.
- Phân biệt kiểm thử phần mềm truyền thống với kiểm thử hệ thống AI.
- Đánh giá bias, fairness, robustness, explainability và tính nhất quán.
- Áp dụng phương pháp exploratory black-box cho ứng dụng hỗ trợ AI.
- Dùng phương pháp và công cụ phù hợp cho đánh giá AI liên tục.
- Duy trì giám sát của con người khi dùng hoặc kiểm thử hệ thống AI.