Corso di formazione Fondamenti del QA e Testing Moderno con AI (Preparazione ISTQB)

Modulo 1: Fondamenti della Garanzia della Qualità e del Testing

• Definizione di qualità, garanzia della qualità e testing
• I sette principi del testing (ISTQB CTFL v4.0)
• Testing vs. debugging vs. controllo di qualità
• La psicologia del testing
• Ruoli e responsabilità in un team QA

Modulo 2: Ciclo di Vita dello Sviluppo Software e Testing

• Fasi del Ciclo di Vita del Testing Software (STLC)
• Approcci di testing Waterfall, Agile, DevOps e CI/CD
• Livelli di test: unit, integration, system, acceptance
• Strategie di test shift-left e shift-right
• Tracciabilità tra requisiti e casi di test

Modulo 3: Tecniche di Static Testing

• Review, walkthrough e ispezioni
• Analisi statica utilizzando strumenti automatizzati
• Revisione basata su checklist e per ruolo
• Tecniche di review formali e informali
• Integrazione del static testing nei flussi di lavoro Agile

Modulo 4: Tecniche di Test

• Tecniche black-box: partizionamento di equivalenza, analisi dei valori limite
• Testing tramite tabelle decisionali e transizioni di stato
• Testing tramite use case ed esplorativo
• Tecniche white-box: copertura di istruzioni e decisioni
• Tecniche experience-based e intuizione degli errori

Modulo 5: Gestione dei Difetti

• Ciclo di vita del difetto: rilevamento, segnalazione, triage, risoluzione, chiusura
• Redigere report efficaci dei difetti con JIRA
• Classificazione della severità vs. priorità del difetto
• Tecniche di analisi delle cause radice
• Metriche dei difetti e analisi delle tendenze

Modulo 6: Gestione del Test e Testing Basato sul Rischio

• Pianificazione del test e metodi di stima
• Identificazione, valutazione e mitigazione del rischio
• Monitoraggio, controllo e reportistica del test
• Definizione dei criteri di completamento del test e condizioni di uscita
• Documenti di strategia e policy di allineamento ISTQB

Modulo 7: Strumenti di Test e Fondamenti dell'Automazione

• Classificazione degli strumenti di test (categorie ISTQB)
• Vantaggi e rischi dell'automazione del test
• Selezione degli strumenti: soluzioni open-source vs. commerciali
• Introduzione a Selenium, Playwright e Cypress
• Realizzazione di una suite di test automatizzati di base

Modulo 8: Introduzione all'AI nella Garanzia della Qualità

• Concetti di AI e machine learning per i tester
• Tassonomia: AI per il testing vs. testing dei sistemi AI
• Scenario attuale del testing AI: opportunità e limitazioni
• Caratteristiche di qualità per i sistemi basati su AI
• Panoramica del syllabus ISTQB CT-AI e rilevanza

Modulo 9: Generazione di Casi di Test Assistita dall'AI

• Utilizzo di LLM (ChatGPT, Claude, Copilot) per la stesura dei casi di test
• Tecniche di prompt engineering per generare scenari di test
• Conversione di user story e criteri di accettazione in casi di test
• Revisione e validazione dei casi di test generati dall'AI
• Piattaforme: Testim, Mabl e strumenti nativi di generazione di test con AI

Modulo 10: Automazione del Test Assistita dall'AI

• Automazione del test auto-riparante con Katalon Studio AI
• Riconoscimento oggetti e localizzazione degli elementi guidati dall'AI
• Testing di regressione visiva con Applitools Eyes
• Selenium con plugin AI per un'automazione resiliente
• Riduzione dell'onere di manutenzione con localizzatori intelligenti

Modulo 11: AI per la Previsione e l'Analisi dei Difetti

• Selezione predittiva dei test con Launchable e Sealights
• Clustering dei fallimenti e rilevamento delle anomalie con ReportPortal
• Analisi delle cause radice assistita dall'AI
• Scoring del rischio di qualità e analisi delle lacune nei test
• Utilizzo dei dati storici dei difetti per prioritizzare i test

Modulo 12: Valutazione degli Strumenti AI e Integrazione CI/CD

• Criteri per la valutazione degli strumenti di test AI
• Analisi del ROI e strategia di adozione
• Integrazione degli strumenti di test AI in Jenkins, GitHub Actions, GitLab CI
• Progettazione della pipeline: quando e dove eseguire i test potenziati dall'AI
• Misurazione dell'efficacia del testing AI con le metriche

Modulo 13: Considerazioni Etiche nel Testing Guidato dall'AI

• Bias ed equità nei dati di test generati dall'AI
• Preoccupazioni sulla privacy nell'uso di strumenti AI basati su cloud
• Trasparenza e spiegabilità delle decisioni di testing prese dall'AI
• Considerazioni su governance e conformità
• Pratiche di AI responsabile per i team QA

Modulo 14: Preparazione all'Esame ISTQB CTFL

• Struttura, durata e punteggio dell'esame CTFL v4.0
• Tipi di domande e strategie di risposta
• Distribuzione del peso degli argomenti tra i capitoli del syllabus CTFL
• Esame di pratica con domande di esempio in stile ISTQB
• Percorso di studio e risorse consigliate

Modulo 15: Capstone: Flusso di Lavoro di Test End-to-End Potenziato dall'AI

• Progettazione dei casi di test da un documento di requisiti di esempio
• Utilizzo dell'AI per generare e perfezionare gli scenari di test
• Automazione dei test selezionati con strumenti auto-riparanti
• Segnalazione dei difetti ed esecuzione di analisi delle cause radice assistite dall'AI
• Retrospettiva: integrazione dell'AI nella pratica quotidiana del QA