🤖 GenAI for Software Testing là một khoá học thực tiễn được thiết riêng dành cho tester trong kỷ nguyên AI. Khóa học này giúp tester không chỉ sử dụng GenAI để tăng tốc công việc, mà còn từng bước làm chủ và kiểm soát GenAI trong testing — một năng lực đang trở thành tiêu chuẩn mới của tester hiện đại.
Khóa này không dừng lại ở việc giúp bạn biết cách dùng AI để viết test case mà hướng đến việc biết cách dùng GenAI an toàn trong công việc, kiểm soát được các công cụ GenAI, và hiểu cách kiểm thử hệ thống có sử dụng AI.
Sau khóa học, bạn sẽ đạt được gì?
⚡Điều quan trọng nhất bạn học được từ khoá này không phải là các kỹ thuật kiểm thử, mà là tư duy kiểm thử cùng GenAI (tạm gọi là GenAI Testing mindset). Dù khóa học chỉ có 4 buổi, nhưng bạn vẫn sẽ được trang bị tư duy để có thể hiểu vì sao các hệ thống AI không luôn trả về kết quả cố định cho cùng một input như các API truyền thống (deterministic).
Sau khi hoàn thành khóa học GenAI for Testing này, bạn sẽ biết cách sử dụng GenAI để:
- Viết test cases từ tài liệu mô tả yêu cầu chỉ trong vài phút
- Viết test scenarios (BDD, exploratory ideas) nhanh hơn nhiều lần
- Tạo test data đa dạng, nhanh chóng, và hiệu quả
- Hỗ trợ viết automation scripts
Ngoài ra, bạn cũng sẽ hiểu rõ và nắm vững các kỹ thuật prompting dành riêng cho Tester. Qua khóa học này, bạn sẽ không chỉ “viết prompt”, mà bạn sẽ:
- Biết cách đặt yêu cầu đúng để GenAI trả kết quả có thể sử dụng được ngay
- Kiểm soát được định dạng kết quả do GenAI trả về, ví dụ JSON, checklist, test suite, v.v…
- Tránh được các lỗi phổ biến khiến GenAI tạo ra kết quả sai hoặc không áp dụng được
Và, điều cuối cùng nhưng rất quan trọng mà bạn cần phải thuộc nằm lòng, đó là: AI không phải lúc nào cũng đúng, nên tester phải có kỹ năng phát hiện những điều đó. Trong khóa học này, bạn cũng sẽ được học cách:
- Phát hiện các test case còn thiếu trong kết quả trả về của GenAI
- Nhận diện kết quả GenAI “có vẻ đúng nhưng thực ra sai”
- Xây dựng checklist để đánh giá kết quả trả về từ GenAI
Cấu trúc khóa học GenAI for Testing
Khóa học này được chia ra bốn phần, nhằm tối ưu hoá sự tập trung của học viên.
🧩 Foundations of GenAI for Testers
Phần mở đầu của khóa học sẽ giúp học viên hình dung một cách rõ ràng về GenAI và vai trò của nó trong lĩnh vực kiểm thử phần mềm. Trước hết, học viên sẽ được giới thiệu nhanh về:
- Generative AI là gì, cách nó khác biệt so với các hệ thống AI truyền thống vốn chủ yếu dựa trên rule hoặc mô hình dự đoán.
- Tổng quan về các mô hình ngôn ngữ lớn (LLMs) và cách chúng đang được ứng dụng trong testing, đặc biệt trong việc hỗ trợ sinh test case, phân tích yêu cầu và tự động hóa.
Nắm vững các khái niệm quan trọng như tokenization, giới hạn context window và hiện tượng hallucination – khi AI tạo ra thông tin nghe có vẻ hợp lý nhưng không chính xác. Việc hiểu rõ những hạn chế này là nền tảng để tester có thể sử dụng AI một cách hiệu quả và có kiểm soát.
Giới thiệu tổng quan về các công cụ GenAI phổ biến hiện nay như: ChatGPT và OpenAI Codex, GitHub Copilot, Google Gemini, LLaMA của Meta, Grok của xAI, DeepSeek, và Claude.
✍️ Prompt Engineering for Testing
Trong phần này, học viên sẽ được hướng dẫn cách sử dụng Generative AI (GenAI) để tạo test case một cách hiệu quả và có hệ thống. Nội dung bắt đầu từ việc hiểu rõ cách áp dụng prompt engineering trong bối cảnh testing, bao gồm cách xây dựng prompt có cấu trúc rõ ràng, đủ ngữ cảnh và phù hợp với từng loại bài toán kiểm thử. Bên cạnh đó, học viên cũng sẽ được làm quen với phương pháp Retrieval-Augmented Generation (RAG), giúp AI tạo ra test case dựa trên dữ liệu và ngữ cảnh cụ thể của hệ thống, thay vì chỉ dựa vào kiến thức chung.
Thông qua các bài thực hành, học viên sẽ trực tiếp viết prompt để tạo test case cho nhiều loại tính năng khác nhau, từ đó hiểu được cách điều chỉnh prompt để đạt được kết quả phù hợp hơn với nhu cầu thực tế.
Sau khi đã có test case từ GenAI, phần tiếp theo tập trung vào việc đánh giá và cải thiện chất lượng của các test case này. Học viên sẽ học cách phân tích mức độ hiệu quả, độ bao phủ và tính chính xác của test case do GenAI đề xuất. Đồng thời, khóa học cũng hướng dẫn các kỹ thuật để cải thiện kết quả từ GenAI, bao gồm việc bổ sung ngữ cảnh, tổ chức lại cấu trúc prompt và điều chỉnh theo domain cụ thể của dự án. Thông qua thực hành, học viên sẽ biết cách chỉnh sửa, tối ưu và hoàn thiện các test case được sinh ra từ GenAI để có thể sử dụng trong môi trường thực tế.
🧪 AI-Assisted Test Design & Automation
Phần này giới thiệu cách sử dụng GenAI để tạo dữ liệu kiểm thử một cách hiệu quả và thực tế hơn. Học viên sẽ hiểu vì sao dữ liệu test cần phải đa dạng, sát với thực tế, và có khả năng bao phủ nhiều tình huống khác nhau, đồng thời nhận ra những khó khăn khi tạo test data theo cách thủ công như tốn thời gian, thiếu tính bao phủ và khó duy trì.
Từ nền tảng đó, khóa học đi vào cách tận dụng Generative AI để sinh dữ liệu kiểm thử. Học viên sẽ được hướng dẫn cách tạo dữ liệu có cấu trúc như JSON, XML hoặc CSV phục vụ cho nhiều loại bài toán khác nhau. Thông qua các bài thực hành, học viên sẽ trực tiếp sử dụng GenAI để tạo test data phục vụ cho cả API testing và UI testing.
Phần tiếp theo tập trung vào việc xử lý và kiểm soát chất lượng dữ liệu đã được tạo ra. Học viên sẽ học cách chuyển đổi dữ liệu giữa các định dạng khác nhau, chẳng hạn từ SQL sang JSON hoặc từ XML sang CSV, đồng thời đảm bảo tính nhất quán và toàn vẹn của dữ liệu trong quá trình sử dụng. Các bài thực hành sẽ giúp học viên làm quen với việc dùng AI để biến đổi và kiểm tra dữ liệu, từ đó có thể áp dụng linh hoạt trong nhiều tình huống kiểm thử thực tế.
🧬 AI-Powered Test Data & Practical Workflow
Phần cuối này tập trung vào việc áp dụng GenAI vào kiểm thử thực tế, đặc biệt trong kiểm thử tự động (cả UI và API testing). Học viên sẽ được hướng dẫn cách sử dụng GenAI để hỗ trợ viết test script, từ việc chuyển đổi test case thành code cho đến tối ưu hóa kịch bản kiểm thử. Thông qua thực hành với Playwright, học viên sẽ trải nghiệm cách tạo các bài test tự động dựa trên test case được sinh bởi GenAI, từ đó rút ngắn đáng kể thời gian triển khai automation trong dự án.
Bên cạnh đó, học viên cũng sẽ hiểu cách áp dụng Model Context Protocol (MCP) để giúp AI có thể ghi nhớ ngữ cảnh và đưa ra các quyết định phù hợp hơn trong quá trình thực thi test. Thông qua phần thực hành, học viên sẽ từng bước xây dựng một trợ lý kiểm thử sử dụng AI, có khả năng hỗ trợ thực thi và phân tích kết quả.
Kết thúc khóa học, học viên sẽ tham gia một dự án thực tế, nơi họ áp dụng toàn bộ kiến thức đã học để giải quyết một bài toán kiểm thử hoàn chỉnh. Từ việc sử dụng AI để sinh test case, tạo test data cho đến xây dựng automation, học viên sẽ trải nghiệm cách tích hợp AI vào quy trình testing một cách toàn diện. Cuối cùng, mỗi nhóm sẽ trình bày kết quả, chia sẻ cách tiếp cận và những bài học rút ra khi áp dụng AI trong kiểm thử.
Kết quả
Sau khóa học này, bạn từ một tester “truyền thống” sẽ trở thành một AI-augmented tester (tester biết ứng dụng AI).
Bạn có thể tăng tốc toàn bộ quy trình kiểm thử với GenAI, giúp giảm đáng kể thời gian thực hiện các công việc thủ công (mặc dù bạn là manual tester), tập trung hơn vào tư duy kiểm thử.
Cần tư vấn chi tiết, vui lòng gọi 090 942 6181
