Od specifikací k testům: Jak AI zrychluje SDLC o desítky procent

AI agent není jen „lepší asistent“ 

Zatímco běžný AI asistent vám pouze radí, AI agent je autonomní softwarový program. Rozdíl spočívá v tom, že agent na sebe přebírá skutečnou realizaci úkolu, dělá samostatná rozhodnutí a používá specializované nástroje (tooly) pro připojení k databázím, e-mailům nebo externím API. 

Klíčem k tomu, aby agent mohl komunikovat s vašimi aplikacemi, jako je GitHub, Slack nebo právě Jira, je MCP (Model Context Protocol). Tento otevřený standard od společnosti Anthropic funguje jako univerzální adaptér (podobně jako USB-C konektor), který umožňuje snadné propojení AI modelů s externími daty a funkcemi. 

Skilly: Jak naučit AI vaše „best practices“ 

Aby AI agent odváděl kvalitní práci, musí mít specifické znalosti. Ty mu můžeme předat formou tzv. skillů. Skill může mít několik součástí. První je soubor ve formátu markdown pojmenovaný SKILL.md, který obsahuje detailní instrukce, jak úkol provést, druhou je složka se skripty pro technickou realizaci (např. v Pythonu) a třetí pak složka s referencemi na další zdroje (např.  specifické organizační standardy). V praxi tak agentovi nepředáte jen obecný prompt, ale vybavíte ho přesným návodem, jak má ve vaší firmě vypadat kvalitní testovací případ. 

Detailní srovnání: Který AI nástroj zvolit? 

V průběhu webináře Mirek srovnal tři hlavní cesty integrace AI s Jirou a vypíchl dílčí specifika: 

• Microsoft Copilot Studio: Tato cesta bývá protlačována firemní bezpečností kvůli správě identit, ale Mirek ji nedoporučuje. Aplikace je podle něj uživatelsky nepřívětivá a během několika hodin práce v ní našel velké množství chyb. Možnosti propojení s Jirou jsou navíc omezené a často umožňují pouze pasivní operace (čtení dat). 
• Atlassian Rovo: Nativní AI přímo v Jira, která umožňuje sofistikované vyhledávání a vytváření agentů spouštěných automaticky (např. při změně stavu úkolu). Jde o velmi užitečnou komponentu, která je však separátně licencovaná. 
• Claude Cowork: Podle Mirka je nejlepším řešením díky své vysoké míře funkčnosti a schopnosti autonomně plnit komplexní úkoly, což u jiných nástrojů naráželo na technická omezení. Díky podpoře MCP a schopnosti autonomně plnit komplexní úkoly (jako je hromadná revize user stories v Jira) šetří hodiny lidské práce. 
• Specializované pluginy: Nástroje jako VibeTester (funguje jako mezivrstva pro Zephyr/X-ray) nebo AIO Tests umožňují využívat AI funkce přímo v rozhraní Jira bez nutnosti přepínat do externích aplikací. 

Praktické ukázky a nová realita SDLC 

Využití AI v testování umožňuje například analýzu a vylepšení specifikací přímo v Jira nebo automatické generování testovacích případů na základě user stories. Tyto testy lze následně exportovat do pluginů jako Zephyr Scale. 

Nasazení AI však mění poměr pracnosti dílčích fází projektů. Zatímco dříve trvala implementace a základní konfigurace nástrojů měsíce, v éře AI je tento krok hotový v řádu hodin či dnů. Hlavní porce práce se nyní přesouvá do ladění celého systému (fine-tuning), aby AI v daném kontextu podávala optimální výsledky s minimální potřebou lidské kontroly. 

Závěr: Budoucnost patří připraveným 

Nasazení AI agentů do procesu testování a vývoje softwaru není jen dočasným trendem, ale zásadní změnou paradigmatu. Jak ukázal Mirek, těžiště práce se přesouvá od zdlouhavé technické implementace k preciznímu ladění kontextu a instrukcí. AI agenti, vybavení správnými „skilly“ a napojení přes univerzální MCP protokol, už dnes dokáží ušetřit hodiny lidské práce při revizích specifikací i generování testů. 

Celý záznam najdete ke zhlédnutí na Tesena YouTube ZDE.

Chcete se o využití AI v testování dozvědět více? 

• Sledujte další vzdělávání: Podrobnější ukázky a další webináře naleznete na Tesena YouTube kanálu. 
• Rozšiřte své znalosti: Pokud chcete AI do svých procesů zavést prakticky, můžete využít nabídku specializovaných AI školení, která Tesena pravidelně pořádá. 
• A sledujte naše další webináře. 

Implementace AI je cesta, která začíná prvním experimentem – ať už to bude revize vaší první user story v Jirra pomocí agenta, nebo vytvoření vlastního skillu pro export testů. Nová éra SDLC je tady, tak ji využijte ve svůj prospěch.