Agent-assisted software testing – Managing software quality with AI

Kwaliteit borgen in een wereld met AI-agents

AI verandert niet alleen hoe software wordt gebouwd, maar ook hoe software wordt getest. AI-assistenten en coding agents genereren testgevallen, analyseren bestaande tests en helpen bij het vinden van fouten. Tegelijkertijd vraagt die ontwikkeling om een nieuwe kijk op kwaliteitsborging: hoe houd je grip op kwaliteit wanneer AI steeds meer werk uitvoert?

AI kan het testproces versnellen, al betekenen meer gegenereerde tests niet automatisch betere softwarekwaliteit. De uitdaging is om AI effectief te laten samenwerken met testers en developers, met duidelijke kaders, goede context en betrouwbare feedbackloops.

Tijdens deze training leer je hoe je AI inzet voor testontwerp, testautomatisering, analyse en kwaliteitsborging. Je kijkt naar de mogelijkheden van tooling zoals GitHub Copilot, Codex en Claude Code, en vooral naar de inrichting eromheen. Met harness engineering, context engineering en een agent-ready testframework leg je de basis voor schaalbare en beheersbare AI-assisted testing.

De training is ontwikkeld en wordt verzorgd door Betabit-specialisten die dagelijks werken aan softwarekwaliteit en bedrijfskritische software. Zij zetten AI-tooling in bij het opzetten van testframeworks en het operationeel testen van software, en begeleiden testteams bij de adoptie van AI-tooling.

Wat je leert

Tijdens deze training ontdek je hoe AI bijdraagt aan je softwarekwaliteit en aan beter en efficiënter testen:

• De fundamentals: LLM's en agents
  • Hoe LLM's en agents werken
  • Wat dit betekent voor softwaretesting en QA
  • De mogelijkheden en beperkingen van AI
• Prompts en prompt engineering
  • Effectief communiceren met AI
  • Context en instructies meegeven
  • Resultaten beoordelen en verbeteren
• Use cases voor quality assurance
  • Testgevallen en testdata genereren
  • Bestaande tests analyseren en verbeteren
  • AI inzetten voor testanalyse, reviews en foutdetectie
  • Exploratief en geautomatiseerd testen ondersteunen
  • Quality assurance tijdens ideation- en refinementsessies
• Tooling in de praktijk
  • Tips en best practices voor software-agenttools
  • Tips en best practices voor jouw tool (GitHub Copilot, Codex, Claude Code of vergelijkbaar)
  • De juiste tool inzetten voor de juiste QA-taak
• Harness engineering
  • Guides, sensors en tools
  • Agents voorzien van betrouwbare feedback
  • Guardrails en kwaliteitscontroles voor agent-assisted testing
• Risico's en kostenbeheersing
  • Risico's van AI in het testproces herkennen en beheersen
  • Kosten en schaalbaarheid
  • Context engineering: zorgen dat agents beschikken over de juiste test- en domeinkennis
• Architectuur van een agent-ready testframework
  • Eisen aan je testframework, zodat het effectief met agents samenwerkt
  • Testautomatisering voorbereiden op een toekomst waarin agents een steeds grotere rol spelen

Softwarekwaliteit die meegroeit met AI

Na deze training weet je hoe je AI inzet als onderdeel van je QA-strategie, met behoud van grip op kwaliteit. Je begrijpt hoe agents, tooling, context en feedbackloops samenkomen. En je weet welke keuzes nodig zijn om jouw testproces en testarchitectuur klaar te maken voor de volgende stap in softwarekwaliteit.