AI-t a tesztelésbe? Így csinálta meg az OTP fillérekből

Mi történik, ha a mesterséges intelligenciát nem hype-ként, hanem egy konkrét, fájó problémára adott válaszként kezdjük el használni?
Lehet-e egy AI-projektet milliárdok nélkül, néhány elkötelezett emberrel, kísérletezve felépíteni?
És ha igen, hogyan érdemes nekivágni, mire kell figyelni, és mik a legnagyobb buktatók?

Ebben az epizódban Surányi Zsolttal, az OTP Bank tesztelési CoE vezetőjével beszélgetünk arról, hogyan vágtak bele egy AI-alapú tesztelési megoldás kiépítésébe.

👉 Kiderül, hogyan lehet early adopterként kis lépésekben haladni, miközben valós üzleti eredményeket érnek el – és hogy az AI nem varázslat, hanem egy új eszköz, amit jól kell tudni használni.

💡 Surányi Zsolt szerint:

„Az AI nem silver bullet. Csak annyira lesz hasznos, amennyire jól definiálod a problémád.”

A projektjükben az AI nem csupán egy buzzword, hanem egy valódi produktivitásnövelő eszköz, amely a repetitív, kevéssé értékteremtő folyamatokat vette át – például manuális tesztelési keretek generálása vagy kódírás.

Egy kis csapat, néhány lelkes tesztelő, egy külsős partner és két Data Scientist segítségével olyan rendszert építettek, amely ma már az OTP mobilbanki és netbanki rendszereinek tesztelésében is részt vesz.👥 Félelmek és bizalom

„Volt olyan kolléga, aki azt mondta: nem akarok olyan projekten dolgozni, ami ki fog kísérni az OTP-ből.”

Az első működő AI-megoldások után természetes módon megjelentek az aggodalmak is. A csapat egy része attól tartott, hogy a technológia hosszú távon veszélyezteti a saját szerepét.

Ezért a projekt nemcsak technikai, hanem vezetői szempontból is komoly figyelmet igényelt – különösen a bizalom és a motiváció fenntartásában.

„A kreativitás és a mély szakmai tudás az emberé marad. Az AI csak kiegészít.”📌 Fejezetek az epizódban

00:00 – Bevezetés: AI a tesztelésben – buzzword vagy valódi segítség?
02:00 – Early adopterként léptek be a mezőnybe
03:00 – Az AI nem fogyasztótabletta: hasonlat az edzéssel
05:00 – Az OTP AI-projektjének indulása: kis költségvetés, nagy célok
07:00 – Automatizálási fókusz és AI bevezetése a folyamataikba
10:00 – Külsős partner bevonása: nem dobozos termék, hanem közös fejlesztés
13:00 – Tesztelők félelmei
15:00 – Validáció: hogyan döntöd el, hogy az AI eredménye jó-e?
17:00 – Agentek és saját ökoszisztémához illesztett AI-megoldások
19:00 – Manuális és automata tesztelés támogatása AI-val
22:00 – Generalisták vs. specialisták: hogyan változik a csapatstruktúra?
24:00 – Felhasználói élmény a tesztelők oldaláról
27:00 – AI mint „fekete doboz”: hogyan lehet mégis átlátható?
29:00 – Mérőszámok és ROI: hogyan tudják mérni a megtérülést?
32:00 – Az AI hosszú távú hatása a tesztelésre és a csapatokra
35:00 – Szigetprojektből vállalati szintű változás lehet?
40:00 – Hol használja most az OTP ezt a megoldást?
41:00 – Tanács KKV-knak: kicsiben indulni, világos célokkal
45:00 – Mi a különbség a nagy pénzekkel futó AI-projektek és az OTP megoldása között?
47:00 – Human in the loop: hol kell az ember a folyamatban?
49:00 – AI és az erőforrás-pazarlás dilemmája
52:00 – Záró gondolatok: AI bevezetése okosan, kis lépésekben

🎧 Hallgasd meg az adást

Gondolkodj el: nálatok mire tudnátok most AI-t bevezetni?

💬 Mit gondolsz: a te csapatodban hogyan fogadnák, ha egy AI venne át egyes feladatokat? Írd meg kommentben!

👉 Spotify • YouTube • Apple Podcasts • Google Podcasts

👤 Vendégek

Surányi Zsolt
Hargitai Zsolt
Hamana Zsolt

💼 Kapcsolat, konzultáció

További információkért és együttműködéshez: www.testerlab.io