ISTQB w czasach AI — czy certyfikat nadal ma sens?
Jeszcze kilka lat temu ścieżka rozwoju testera wyglądała dość klasycznie: podstawy testowania, ISTQB, trochę SQL, API, Postman, a później może automatyzacja testów.
Dzisiaj sytuacja trochę się zmieniła, bo do świata IT bardzo mocno weszła sztuczna inteligencja. Mamy ChatGPT, Copilota, narzędzia do generowania przypadków testowych, analizy wymagań czy nawet pisania testów automatycznych.
I tutaj pojawia się pytanie: czy ISTQB nadal ma sens?
Moim zdaniem — tak. Ale trzeba dobrze rozumieć, czym ten certyfikat jest, a czym nie jest.
ISTQB nie zrobi z nikogo automatycznie dobrego testera. Nie zastąpi praktyki, doświadczenia, pracy z prawdziwą aplikacją ani umiejętności logicznego myślenia. Ale może dać bardzo solidne podstawy, szczególnie osobom, które dopiero zaczynają albo chcą uporządkować swoją wiedzę.
AI pomaga, ale nie myśli za testera
AI potrafi wygenerować przypadki testowe, checklistę, scenariusze albo przykładowe dane testowe. I to jest naprawdę przydatne.
Problem zaczyna się wtedy, gdy ktoś traktuje odpowiedź AI jako gotową prawdę.
Model może pominąć ważne ryzyko. Może zaproponować testy, które wyglądają sensownie, ale w praktyce są zbyt powierzchowne. Może wygenerować kod, który działa tylko pozornie. Może też nie zrozumieć kontekstu biznesowego aplikacji.
Dlatego tester nadal musi wiedzieć:
- po co testujemy,
- czym jest ryzyko,
- jak projektować przypadki testowe,
- jak analizować wymagania,
- jak zgłaszać błędy,
- czym różni się retest od regresji,
- kiedy testowanie jest wystarczające.
I właśnie tutaj podstawy z ISTQB nadal mają wartość.
Co daje ISTQB?
Dla mnie największą wartością ISTQB jest uporządkowanie wiedzy.
Certyfikat pokazuje, że testowanie to nie jest tylko „klikanie po aplikacji”. To proces, analiza, komunikacja, zarządzanie ryzykiem i podejmowanie decyzji.
ISTQB pomaga też zrozumieć podstawowe pojęcia, które pojawiają się w pracy testera. Dzięki temu łatwiej rozmawiać z zespołem, pisać lepsze przypadki testowe i świadomie podchodzić do jakości produktu.
To szczególnie ważne dla osób początkujących. Na starcie bardzo łatwo uczyć się wszystkiego chaotycznie: trochę z YouTube, trochę z pracy, trochę z kursów, trochę z dokumentacji. ISTQB może być takim szkieletem, który porządkuje temat.
Czego ISTQB nie zastąpi?
Trzeba jednak powiedzieć jasno: sam certyfikat nie wystarczy.
Można zdać egzamin i dalej nie umieć dobrze testować aplikacji. Można znać definicje, ale nie potrafić znaleźć ważnego błędu. Można rozwiązywać testy próbne, ale mieć problem z praktycznym zadaniem na rozmowie rekrutacyjnej.
ISTQB nie zastąpi:
- praktyki,
- testowania prawdziwych aplikacji,
- znajomości API,
- podstaw SQL,
- pracy z narzędziami,
- automatyzacji testów,
- komunikacji z zespołem,
- rozumienia biznesu.
Dlatego moim zdaniem ISTQB warto traktować jako fundament, a nie jako końcowy cel.
Czy AI zmniejsza wartość ISTQB?
Według mnie nie. Wręcz przeciwnie.
Im więcej mamy narzędzi AI, tym bardziej potrzebujemy ludzi, którzy potrafią ocenić, czy wygenerowana odpowiedź ma sens.
Jeżeli AI tworzy przypadki testowe, tester musi wiedzieć, czy one faktycznie pokrywają ryzyko.
Jeżeli AI pisze test automatyczny, tester musi rozumieć, co ten test sprawdza.
Jeżeli AI analizuje wymagania, tester musi umieć zauważyć, czego brakuje.
Bez podstaw można bardzo łatwo wpaść w pułapkę: „AI coś wygenerowało, więc pewnie jest dobrze”.
A to jest niebezpieczne podejście.
Czy warto robić ISTQB Foundation Level?
Jeżeli ktoś zaczyna w testowaniu albo chce uporządkować podstawy, to moim zdaniem warto.
Nie dlatego, że certyfikat gwarantuje pracę. Nie gwarantuje.
Ale może pomóc lepiej zrozumieć testowanie, przygotować się do rozmów rekrutacyjnych i zbudować solidną bazę pod dalszy rozwój.
Najlepsze podejście to połączenie teorii z praktyką. Czyli nie tylko czytać definicje, ale od razu sprawdzać je na przykładach: formularzach, sklepach internetowych, API, dokumentacji, zgłoszeniach błędów czy przypadkach testowych.
Podsumowanie
ISTQB w czasach AI nadal ma sens, ale nie jako „magiczny papier”.
Ma sens jako fundament.
AI może przyspieszyć pracę testera, ale nie zastąpi zrozumienia jakości, ryzyka, wymagań i procesu testowego. Dobry tester powinien umieć korzystać z AI, ale jednocześnie potrafić krytycznie ocenić to, co AI wygeneruje.
Dlatego najlepsza droga to nie wybór: ISTQB albo AI.
Najlepsza droga to: ISTQB jako podstawa, praktyka jako rozwój i AI jako narzędzie, które pomaga pracować szybciej, ale nie zwalnia z myślenia.
