Tekoälykoulutus ohjelmisto­testaukseen ja -kehitykseen

Opetan testaajille ja kehittäjille, miten tekoälyä käytetään tehokkaasti ohjelmistotestauksessa ja -kehityksessä. Aiheet ulottuvat tekoälytyökalujen toimintaperiaatteista MCP-palvelimien rakentamiseen ja AI-agenttien orkestrointiin.

Koulutus keskittyy päätöksiin, jotka tekevät tekoälystä hyödyllisen käytännössä. Miten annat sille oikean kontekstin? Miten tarkistat sen työn? Milloin skripti on parempi ratkaisu? Ja missä rajoissa työnkulku saa toimia omin päin? Esimerkit liittyvät testisuunnitteluun, dokumentaatioon, regressiotestaukseen ja toistuviin kehitystehtäviin.

Koulutus on tarkoitettu ihmisille, jotka tekevät työkseen ohjelmistokehitystä tai -testausta. Se ei ole testauksen peruskurssi eikä johda tutkintoon. Agenteista tai MCP:stä ei silti tarvitse olla aiempaa kokemusta.

Mitä ohjelmistotestauksen tekoälykoulutus sisältää?

Koulutuksen sisältö kootaan alla olevista yhdeksästä aiheesta tiimin työn ja lähtötason mukaan.

Aihe	Mitä opit
1. Tekoälytyökalujen perusteet	Ymmärrät kielimallin, ajoympäristön (harness) ja työkalujen roolit.
2. Promptaus ja konteksti	Teet epämääräisestä pyynnöstä selkeästi rajatun tehtävän, jossa on oleellinen tieto ja näkyvät oletukset.
3. Tekoälyavusteinen testaus	Arvioit tekoälyn tuottamia testejä, skriptejä ja koodimuutoksia testaajan silmin.
4. Skillit ja projektiohjeistus	Kirjoitat tekoälylle uudelleenkäytettävät ohjeet ja kirjaat termit ja päätökset, joita se tarvitsee.
5. MCP:n käyttö	Ymmärrät ja käytät integraatioita, jotka yhdistävät tekoälyn työkaluihin ja dataan.
6. MCP-palvelimien rakentaminen	Rakennat integraatioita, jotka tekevät toimenpiteitä tai ohjaavat testauksen työnkulkua.
7. Skriptit ja tekoäly samassa työnkulussa	Suunnittelet toistettavia työnkulkuja, joissa on selkeät syötteet, tulosteet ja tarkistukset.
8. AI-agentit ja orkestrointi	Jaat isomman tavoitteen agenteille niin, että konteksti pysyy hallinnassa ja tulokset kootaan yhteen.
9. Tehtävät ilman jatkuvaa valvontaa	Suunnittelet rajatun ajon, jolla on valmistumisehdot, lokit ja hallittu pysähtyminen.

Jos etsit tiimillesi nimenomaan AI-agenttikoulutusta, kokonaisuuden painopiste voi olla aiheissa 5–9. Niissä käsitellään MCP-integraatioita, agenttien rakentamista sekä agenttien työn rajaamista ja tarkistamista. Mitä tekoälyagentti ylipäätään on, selitän oppaassa Mikä on tekoälyagentti?

Miksi tämä koulutus?

Teen testausta päivätyökseni, joten lähden liikkeelle kysymyksestä, jonka testaaja esittää ensimmäisenä: mistä tiedät, että tekoälyn tuottama testi tai koodi on oikein? Läpi menevä testijoukko ei vielä todista sitä.

En puhu siitä, mitä olen lukenut, vaan siitä, mitä olen tehnyt. Olen rakentanut 18 agentin parven, joka toteuttaa MCP-palvelimia alusta loppuun. Toinen agenttijärjestelmäni yhdistää agentteja ja MCP-palvelimia ja rakentaa kokonaisen Robot Framework -testiautomaation. Tämänkin sivuston hakusanat ja ihmisten hakukoneissa esittämät kysymykset selvitin omalla SEO-MCP-palvelimellani. Koulutuksessa näytän konkreettisesti, miten nämä järjestelmät toimivat ja miten ne on tehty.

Agenttien kanssa noudatan yhtä nyrkkisääntöä: ohjaa agentti ensin tehtävän läpi, ja kun se on kerran onnistunut, kysy siltä, kuinka suuren osan työstä voisi jatkossa hoitaa skriptillä. Agentti löytää ratkaisun, skripti toistaa sen. Näin toistuvaan työhön ei jää turhaa agenttityötä.

Workshopeissa ei ole kalvosulkeisia. Teemme töitä tiimin omilla tehtävillä ja työkaluilla, ja workshop päättyy aina johonkin konkreettiseen: saat mukaan promptin, työnkulun tai suunnitelman, jota voit käyttää heti seuraavana päivänä.

Käytöstä suunnitteluun

Opit käyttämään tekoälytyökaluja harkiten, rakentamaan integraatioita ja työnkulkuja sekä orkestroimaan agentteja niin, että tavoitteet ovat selkeät ja tulokset todennettavissa. Koulutus etenee kolmella tasolla.

Käytä tekoälytyökaluja tehokkaasti (taso 1, aiheet 1–4). Ymmärrä, mitä tekoälytyökalu tekee, anna sille hyödyllinen konteksti, ohjaa työtä ja tarkista tulos.

Rakenna työkaluja ja työnkulkuja (taso 2, aiheet 5–7). Määrittele vaiheet, rajapinnat, ohjeet ja tarkistukset, joiden avulla toistuva tehtävä hoituu joka kerta samalla tavalla.

Orkestroi agentteja (taso 3, aiheet 8–9). Suunnittele, miten agentit jakavat työtä, välittävät tuloksia ja toimivat selkeiden rajojen sisällä.

Tasolta toiselle edettäessä vastuu kasvaa. Valmiin työnkulun käyttäjän pitää arvioida syötteitä ja tuloksia harkiten. Työnkulun suunnittelija päättää lisäksi arkkitehtuurista, todentamisesta, virheiden käsittelystä ja siitä, miten muut voivat käyttää työnkulkua.

Nämä ovat myös hinnaston kolme tasoa, ja kukin taso vastaa yhtä koulutuspäivää: ensimmäisenä päivänä käydään läpi aiheet 1–4, toisena aiheet 5–7 ja kolmantena aiheet 8–9. Yksittäisen workshopin sisältö taas kootaan aiheista tiimin tarpeen mukaan.

Mitä koulutus maksaa?

Testaus- ja kehitystiimien hinnat ovat koko päivän workshopille 4 000 € + alv ja puolelle päivälle 2 000 € + alv. Kaikki kolme tasoa (3 päivää) maksavat yhteensä 10 000 € + alv. Hinta sisältää valmistelun ja koko koulutuksen. Työkalujen lisenssit eivät sisälly hintaan, sillä harjoituksissa käytetään tiimin omia työkaluja.

Koulutan 5–12 hengen ryhmiä, ja workshopin hinta on sama ryhmän koosta riippumatta. Pidän workshopit paikan päällä pääkaupunkiseudulla, ja lyhyet 1–3 tunnin koulutukset onnistuvat myös etänä tai hybridinä. Jos tiimisi toimii muualla Suomessa, kysy, niin katsotaan tilanne yhdessä. Kaikkien kohderyhmien hinnat ovat hinnastossa. Mistä tekoälykoulutuksen hinta muodostuu, kerron hintaoppaassa.

Koulutuksen aiheet

Aiheet eivät ole kiinteitä kursseja. Yhteen workshopiin valitaan tiimille sopivat aiheet, ja kolmen päivän kokonaisuudessa käydään läpi kaikki yhdeksän aihetta taso kerrallaan.

1. Miten tekoälytyökalut oikeasti toimivat

Mitä tapahtuu pyynnön ja tekoälytyökalun vastauksen välillä? Opit, miten kielimalli, sitä käyttävä ajoympäristö (harness) ja käytettävissä olevat työkalut toimivat yhdessä, ja mitä se tarkoittaa, kun ohjaat tekoälyä arjen kehitystyössä.

Sopii: testaajille, kehittäjille ja muille teknisille ammattilaisille, jotka haluavat käytännöllisen pohjan tekoälytyökalujen käyttöön.

Lähtötaso: tavalliset testaus- tai kehitystehtävät ovat tuttuja. Aiempaa kokemusta agenteista tai MCP:stä ei tarvita.

Aiheita muun muassa

• kielimallin, ajoympäristön ja ulkoisten työkalujen roolit
• miten työkalupyynnöstä tulee toimenpide ja miten tulos palaa mallille
• keskustelun konteksti ja tehtävän aikana käytettävissä oleva tieto
• keskustelu-, suunnittelu- ja agenttityönkulut
• oikeudet, tarkistuspisteet ja ero ehdottamisen ja suorittamisen välillä
• miksi työkalujen käyttöoikeudet, konteksti ja suorituksen hallinta vaikuttavat lopputulokseen

Opit

• selittämään, mikä tekoälyjärjestelmän osa vastaa mistäkin toimenpiteestä
• tunnistamaan, milloin tulos tulee työkalusta ja milloin se on mallin perustelematon väite
• valitsemaan tehtävään sopivan työskentelytavan ja tunnistamaan, missä tarvitaan tarkistusta

Käytännön esimerkki: seurataan pyyntöä, jossa kirjautumisen määrittelyä verrataan olemassa oleviin testeihin. Mitä tietoa kerättiin, mitä työkaluja kutsuttiin ja mihin näyttöön vastaus perustuu?

2. Promptaus ja konteksti oikeaan työhön

Opit antamaan tekoälylle selkeän tavoitteen, oleellisen tiedon ja hyödylliset rajaukset. Rakennat keskustelun, joka tuo väärinymmärrykset ja puuttuvan tiedon esiin ennen kuin niistä tulee virheitä työhön.

Sopii: tekoälyä jo käyttäville, jotka haluavat tasaisempia ja hyödyllisempiä tuloksia.

Lähtötaso: tekoälyavustaja on tuttu, ja mukana on oikea työtehtävä, jota työstetään koulutuksessa.

Aiheita muun muassa

• tavoitteet, rajaukset, esimerkit ja odotettu lopputulos
• tekoälyn pyytäminen toistamaan, miten se ymmärsi pyynnön
• tarkentavien kysymysten ja vaihtoehtoisten lähestymistapojen pyytäminen
• oletusten näkyväksi tekeminen ja korjaaminen
• oleellisten vaatimusten, määrittelyjen ja käytäntöjen valinta
• turhan kontekstin karsiminen ja ison tehtävän jakaminen vaiheisiin

Opit

• muuttamaan epämääräisen pyynnön toimeksiannoksi, joka ohjaa ja rajaa työtä
• huomaamaan väärinymmärryksen ennen kuin hyväksyt tekoälyn tuottaman tuloksen
• antamaan kunkin vaiheen tarvitseman tiedon ja pitämään tehtävän rajattuna

Käytännön esimerkki: vajaata testauspyyntöä tarkennetaan niin, että siitä käyvät ilmi sovittu toiminnallisuus, tunnetut aukot ja tarkistettava lopputulos.

Promptauksen perusteista kerron lisää oppaassa Mikä on promptaus?

3. Tekoälyavusteinen testaus ja tekoälyn tuottaman työn todentaminen

Käytä tekoälyä testisuunnittelun ja regressiotestauksen tukena niin, että vastuu testien laadusta säilyy sinulla. Opit tarkistamaan tekoälyn tuottamat tulokset riippumatonta näyttöä vasten, myös silloin, kun oma toimialaosaaminen ei riitä kaikkeen.

Sopii: manuaalitestaajille, testiautomaatioinsinööreille, kehittäjille ja QA-vetäjille.

Lähtötaso: odotetut tulokset, viat ja testikattavuus ovat tuttuja käsitteitä. Koodiesimerkeissä auttaa, jos tiimin automaatioympäristö on tuttu.

Aiheita muun muassa

• vaatimusten, API-määrittelyjen, arkkitehtuurin ja kirjattujen päätösten antaminen tekoälylle testien pohjaksi
• julkisen toiminnallisuuden ja rajapintasopimusten testaaminen
• assertioiden tarkastelu ja odotettujen tulosten jäljittäminen lähteisiin
• tekoälyn kirjoittamien testien haastaminen raja-arvoilla, vastaesimerkeillä ja tarkoituksellisilla vioilla
• viittausten, rajapintojen ja riippuvuuksien tarkistaminen sen sijaan, että luotetaan uskottavalta näyttävään tulokseen
• tekoälyn kirjoittaman koodin ja testien yhteisten oletusten tunnistaminen
• sen tunnistaminen, milloin tarvitaan toimialaosaamista, ja kohdennettujen kysymysten esittäminen
• tulosten merkitseminen todennetuiksi, oletetuiksi tai avoimiksi

Opit

• käyttämään tekoälyä testien kirjoittamiseen ja parantamiseen sekä kattavuusaukkojen selvittämiseen
• perustelemaan, mitä testi oikeasti suojaa ja löytääkö se oleellisen vian
• keräämään näyttöä tuloksesta ja kertomaan, mihin näyttö riittää

Käytännön esimerkki: tekoäly kirjoittaa regressiotestit määrittelyn pohjalta, odotettu toiminta tarkistetaan tekoälystä riippumatta, ja koodiin lisätään tarkoituksella vika, jotta nähdään, löytävätkö testit sen.

4. Skillit ja projektiohjeistus tekoälylle

Tee toistuvasta tekoälytyöstä helpommin ohjattavaa kirjaamalla ohjeet, termit ja päätökset, joita se tarvitsee. Opit, miten skillit ja tiivis projektidokumentaatio pitävät työn johdonmukaisena tehtävästä toiseen.

Sopii: kehittäjille ja teknisille vetäjille, jotka ohjaavat tekoälyä toistuvasti samankaltaisessa työssä.

Lähtötaso: kokemusta tekoälyn promptaamisesta, ja kuvattava työ tai repositorio on tuttu.

Aiheita muun muassa

• uudelleenkäytettävät skillit ja tehtäväohjeet
• repositoriokohtainen ohjeistus ja tiettyyn työhön rajatut säännöt
• projektisanastot, joissa tärkeillä termeillä on yksi yhteinen merkitys
• arkkitehtuuripäätösten kirjaukset (ADR), jotka säilyttävät merkittävien valintojen perustelut
• tekoälyn käyttö suunnitelman kyseenalaistamiseen ja hiomiseen ennen toteutusta
• ohjeistuksen pitäminen hyödyllisenä, oikeankokoisena ja ylläpidettävänä
• milloin jäljitettävyyttä ja luovutusdokumentaatiota tarvitaan

Opit

• kirjoittamaan uudelleenkäytettävän ohjeistuksen toistuvaan kehitystehtävään
• erottamaan työohjeet (miten työ tehdään) päätöskirjauksista (miksi ratkaisuun päädyttiin)
• säilyttämään tarpeeksi kontekstia, jotta toinen ihminen tai myöhempi tekoälysessio voi jatkaa työtä

Käytännön esimerkki: selvitetään, tarkoittaako testiympäristön varaus tilapäistä lainaa vai pysyvää käyttöoikeutta, ja kirjataan sovittu termi, suunnittelupäätös ja toteutusohjeet.

5. MCP-integraatioiden ymmärtäminen ja käyttö

Opit, miten Model Context Protocol (MCP) -integraatiot yhdistävät tekoälysovellukset työkaluihin ja dataan. Ymmärrät, mitä kyvykkyyksiä integraatio tarjoaa ja miten olemassa olevaa MCP-palvelinta käytetään osana kehityksen työnkulkua.

Sopii: tekoälytyökalujen käyttäjille ja kehittäjille, joiden pitää kytkeä tekoälyavustajat olemassa oleviin järjestelmiin.

Lähtötaso: ymmärrät, miten malli, ajoympäristö ja työkalut toimivat yhdessä (aihe 1), ja osaat muokata työkalujen asetuksia.

Aiheita muun muassa

• MCP-asiakkaat ja -palvelimet
• työkalut (tools), resurssit ja uudelleenkäytettävät promptit
• olemassa olevien integraatioiden asennus, konfigurointi ja käyttö
• paikalliset palvelimet ja etäpalvelimet
• kyvykkyydet, jotka riippuvat käytetystä asiakkaasta ja palvelimesta
• oikeudet sekä saatavilla olevan tiedon ja toimenpiteiden laajuus

Opit

• selittämään MCP-integraation tarkoituksen työnkulussa
• konfiguroimaan olemassa olevan integraation ja käyttämään valitussa ympäristössä saatavilla olevia kyvykkyyksiä
• ymmärtämään, mitä tietoa tai toimenpiteitä integraatio avaa saataville

Käytännön esimerkki: haetaan olemassa olevan integraation kautta testaustehtävän kannalta oleellista lähdeaineistoa tai järjestelmätietoa ja tarkastellaan sen palauttamaa näyttöä.

6. MCP-palvelimien rakentaminen

Opit rakentamaan MCP-palvelimia tekoälyn avulla ensimmäisestä kokeiluversiosta (PoC) testattuun integraatioon. Tutustut sekä palvelimiin, jotka tekevät toimenpiteitä toisessa järjestelmässä, että palvelimiin, jotka ohjaavat työnkulkua säätelemällä, mitä tietoa ja työkaluja kussakin vaiheessa tarjotaan.

Sopii: testiautomaatioinsinööreille, kehittäjille ja teknisille vetäjille, jotka rakentavat uudelleenkäytettäviä tekoälytyökaluja.

Lähtötaso: olet käyttänyt MCP:tä käytännössä (aihe 5), tunnet rajapintoja tai järjestelmäliittymiä ja pystyt pohtimaan arkkitehtuuria ja testattavaa toiminnallisuutta.

Aiheita muun muassa

• ideasta aloittaminen ja toteutettavuuden osoittaminen ennen jatkokehitystä
• aloittaminen jo toimivasta manuaalisesta työnkulusta
• arkkitehtuurin suunnittelu ja rakentaminen ominaisuus kerrallaan
• työkalusopimukset, resurssit ja promptit
• sampling, dynaamiset kyvykkyyslistat, roots ja elicitation siellä, missä niitä tuetaan
• skillien, suunnittelupäätösten ja projektin termistön käyttö toteutuksen ohjaamiseen
• toiminnan todentaminen sopimus- ja regressiotesteillä
• vain kunkin vaiheen tarvitseman kontekstin antaminen

Opit

• määrittelemään ja rakentamaan integraation konkreettiseen testaustarpeeseen
• perustelemaan suunnittelun ja käyttämään näyttöä tekoälyavusteisen toteutuksen tarkistamiseen
• suunnittelemaan, miten palvelin yhdistää toimenpiteet, tiedon ja työnkulun ohjauksen

Käytännön esimerkkejä: MCP-palvelin, joka varaa testiympäristöjä, sekä palvelin, joka kertoo agentille kunkin sivun oleelliset elementit ja navigointitiedot agentin liikkuessa sovelluksessa.

7. Työnkulut, joissa skriptit ja tekoäly toimivat yhdessä

Opit päättämään, mitkä tehtävän osat tarvitsevat tekoälyn tulkintaa ja mitkä on parempi ilmaista sääntöinä. Rakennat työnkulun, jossa on selkeät syötteet, tulosteet ja tarkistukset. Näin virheet näkyvät siinä vaiheessa, jossa ne syntyvät.

Sopii: kehittäjille ja testaajille, jotka muuttavat toistuvaa manuaalista työtä uudelleenkäytettäväksi automaatioksi.

Lähtötaso: kokemusta tekoälyavusteisesta työstä ja perusymmärrys skriptauksesta ja rakenteisesta datasta.

Aiheita muun muassa

• työnkulun osoittaminen toimivaksi käsin ennen automatisointia
• kunkin vaiheen syötteiden ja tulosteiden määrittely
• voisiko skripti tehdä tai tarkistaa vaiheen
• datan siivoaminen ennen kuin se annetaan mallille
• rakenteisten tulosteiden validointi ja virheellisten välitulosten hylkääminen
• skriptien, mallikutsujen ja MCP-integraatioiden yhdistäminen
• lähestymistavan valinta tarkkuuden, toistettavuuden, todentamisen vaivan, kustannusten ja ylläpidon perusteella

Opit

• jakamaan toistuvan tehtävän vaiheisiin, joiden vastuut ovat selvät
• käyttämään tekoälyä siellä, missä tulkinnasta on hyötyä, ja deterministisiä skriptejä siellä, missä säännöt ovat selvät
• rakentamaan tarkistuksia, jotka paljastavat virheellisen tuloksen ennen kuin se leviää eteenpäin

Käytännön esimerkki: kuvakaappauksista ja DOM-tiedoista poimitaan sivujen elementit ja niiden lokaattorit rakenteiseen muotoon. Tulos validoidaan, ja skriptit tuottavat siitä testiautomaation resurssitiedostot.

8. AI-agentit ja orkestrointi

Opit rakentamaan agentteja, joilla on selkeä tavoite, rajatut työkalut ja pysähtymissääntö. Tutustut siihen, miten koordinoiva agentti delegoi rajattuja tehtäviä aliagenteille ja kokoaa niiden havainnot keräämättä itselleen kaikkea niiden raakakontekstia.

Sopii: testaajille ja kehittäjille, jotka ovat valmiita siirtymään yksittäisistä tekoälytehtävistä koordinoituihin työnkulkuihin.

Lähtötaso: olet käyttänyt agenttityökaluja ja osaat promptata jäsennellysti, suunnitella työnkulkuja ja todentaa tekoälyn tuottamaa työtä. MCP-palvelimien rakentamisesta (aihe 6) on hyötyä, jos esimerkissä käytetään omia integraatioita.

Aiheita muun muassa

• tavoitteet, sallitut työkalut, valmistumisehdot ja pysähtymissäännöt
• koordinoivan agentin ja aliagenttien vastuut
• tavoitteen delegointi määritellyllä rajauksella ja palautusmuodolla
• erilliset kontekstit ja tiiviit, näyttöä sisältävät luovutukset
• agenttimääritelmät, ohjeet, skillit ja työnkulkujen aloituspisteet
• havaintojen kokoaminen hyödylliseksi raportiksi
• yhteenvetojen ja agenttien tekemien arvioiden rajoitusten tunnistaminen

Opit

• suunnittelemaan koordinoidun työnkulun, joka ratkaisee testaus- tai dokumentaatio-ongelman
• määrittelemään, mitä kunkin agentin pitää tietää, tehdä ja palauttaa
• tarkastelemaan syntynyttä näyttöä ja tunnistamaan keskeneräisen tai ratkaisematta jääneen työn

Käytännön esimerkki: kattavuusaukkojen etsijä, jonka koordinoiva agentti lukee dokumentaation tai ominaisuusgraafin, delegoi sivukohtaiset tarkistukset ja kokoaa raportin selkeästi määritellyn ”aukon” käsitteen pohjalta.

Agentti ei ole aina nopeampi tai parempi ratkaisu. Useamman agentin käyttö on suunnitteluvalinta, jonka kontekstirajat ja tulokset pitää ymmärtää. Perusteet selitän oppaassa Mikä on tekoälyagentti?

9. Tekoälytehtävät ilman jatkuvaa valvontaa

Opit antamaan rajatun tekoälytehtävän edetä ilman, että hyväksyt jokaisen askeleen erikseen. Määrittelet laajuuden ja rajat ennen ajoa, säilytät näytön tapahtuneesta ja käyt lopputuloksen läpi jälkikäteen.

Sopii: testaajille ja kehittäjille, jotka ajavat tai suunnittelevat tekoälytyönkulkuja, joiden pitää edetä sillä aikaa, kun he tekevät muuta.

Lähtötaso: olet käyttänyt agenttityönkulkuja ja tunnet oikeuksien, todentamisen ja virhetilanteiden käsittelyn perusteet. Aiheesta 8 on hyötyä työnkulkujen suunnittelussa.

Aiheita muun muassa

• milloin vakiintunut työnkulku sopii ajettavaksi ilman jatkuvaa valvontaa
• laajuus, oikeudet, valmistumisehdot ja väliintulokohdat
• suorituksen rajat, pyyntö- tai askelkatot ja budjetit
• lokit, välituotokset ja näyttö myöhempää tarkastelua varten
• onnistuneen, osittaisen, epäonnistuneen ja estyneen ajon erottaminen
• turvallinen pysähtyminen, eskalointi ja palautuminen
• peruttavat muutokset, kuiva-ajot ja eristetyt suoritusympäristöt
• tarkistava agentti lisävarmistuksena, omine rajoituksineen
• manuaaliset, ajastetut ja CI-käynnistykset vaihtoehtoisina tapoina käynnistää työnkulku

Opit

• ajamaan vakiintuneen työnkulun sopivilla syötteillä ja tulkitsemaan sen lopputuloksen
• suunnittelemaan rajat ja virhekäyttäytymisen työnkululle, jota ei seurata jatkuvasti
• perustelemaan, miksi pysähtyminen ja avun pyytäminen voi olla oikea lopputulos

Käytännön esimerkki: ajetaan rajattu vika-analyysi- tai kattavuuskatselmointitehtävä, joka tuottaa raportin ja sitä tukevan näytön, pysähtyy rajojen tullessa vastaan ja kertoo, mitä se ei saanut valmiiksi.

Valvomaton ajo ei vaadi yöllistä ajastusta eikä useita agentteja. Olennaista on, ettei rutiininomainen eteneminen riipu siitä, että joku seuraa ajoa koko ajan.

Periaatteet, jotka kulkevat mukana kaikissa aiheissa

Käytä tekoälyä harkiten. Päätä, hyötyykö tehtävä tekoälyn tulkinnasta, deterministisestä skriptistä, olemassa olevasta työkalusta vai ihmisen selvitystyöstä. Laske mukaan tuloksen todentamiseen kuluva vaiva, kun arvioit lähestymistavan hyötyä.

Todenna näyttöä vasten. Tarkista tekoälyn tuottama työ vaatimuksia, lähdeaineistoa, havaittavaa toimintaa ja merkityksellisiä testejä vasten. Uskottava selitys, läpi menevä testijoukko tai mallien keskinäinen yksimielisyys ei yksinään osoita, että tulos on oikein.

Pidä vastuu näkyvissä. Sovi selvästi, mitä ihminen päättää, mitä tekoäly saa päättää, mihin työkalut saavat koskea ja milloin tekoälyn pitää pysähtyä ja pyytää apua.

Kirjaa se, mitä työn jatkaja tarvitsee. Mitoita lähteiden, oletusten, tärkeiden päätösten ja todentamisen näytön kirjaaminen työn riskin ja elinkaaren mukaan. Lyhyt kokeilu ja jaettu automatisoitu työnkulku tarvitsevat eri määrän dokumentaatiota.

Vie opitut käsitteet työkalusta toiseen. Näytän esimerkit GitHub Copilotilla VS Codessa, mutta harjoituksissa käytetään tiimin omia työkaluja, olipa käytössä Copilot, Claude Code, Codex tai jokin muu. Perusajatukset ovat samat, ja käymme yhdessä läpi, mitä tiimin omassa ympäristössä kannattaa ottaa huomioon.

Kouluttaja

Olen Ari Laitinen. Päivätyökseni toimin finanssialan yrityksessä Senior Test Engineerinä ja GenAI-testauksen chapter leadina, ja käytän tekoälyä päivittäin osana työtäni. Aloin testata ChatGPT:tä heti, kun se julkaistiin marraskuussa 2022, ja siitä asti olen opettanut tekoälyn käyttöä muille. Puheenvuoroja konferensseissa: We Test Athens (Ateena), Testaus & Tekoäly (Espoo), Testing Assembly (Helsinki) ja QualityForge 2026 (verkossa).

UKK

Tarvitaanko aiempaa kokemusta AI-agenteista tai MCP:stä? Ei tarvita, ainakaan alkuun. Ensimmäinen aihe, tekoälytyökalujen toiminta, sopii kaikille, joille tavalliset testaus- tai kehitystehtävät ovat tuttuja. Jokaisen aiheen kohdalla kerrotaan lähtötaso eli se, mitä on hyvä osata etukäteen.

Mitä työkaluja koulutuksessa käytetään? Näytän esimerkit GitHub Copilotilla VS Codessa, mutta harjoituksissa käytetään tiimin omia työkaluja, olipa käytössä Copilot, Claude Code, Codex tai jokin muu. Perusajatukset ovat samat, ja käymme yhdessä läpi, mitä tiimin omassa ympäristössä kannattaa ottaa huomioon.

Ovatko aiheet valmiita kursseja? Eivät. Yhden workshopin sisältö kootaan aiheista tiimin työn ja lähtötason mukaan. Kolmen päivän kokonaisuudessa käydään läpi kaikki kolme tasoa: ensimmäisenä päivänä aiheet 1–4, toisena aiheet 5–7 ja kolmantena aiheet 8–9.

Saako koulutuksesta sertifikaatin? Ei saa. Koulutus ei ole sertifiointikurssi, eikä siihen kuulu kokeita. Käytännön esimerkit havainnollistavat aiheita, eivät mittaa osaamista.

Onko tämä ohjelmistotestauksen peruskurssi? Ei ole. Koulutus on tarkoitettu testaajille ja kehittäjille, jotka haluavat käyttää tekoälyä omassa työssään harkiten. Siinä ei opeteta ohjelmistotestauksen perusteita alusta, eikä se johda tutkintoon. Riittää, että tavalliset testaus- tai kehitystehtävät ovat tuttuja.

Paljonko koulutus maksaa? Testaus- ja kehitystiimin puolen päivän workshop maksaa 2 000 € + alv ja koko päivän workshop 4 000 € + alv. Kaikki kolme tasoa (3 päivää) maksavat yhteensä 10 000 € + alv. Hinta sisältää valmistelun ja koko koulutuksen. Työkalujen lisenssit eivät sisälly hintaan.