Qualidade de Software e IA
Gestão de Tecnologia · Capacitação prática
01 / 12
Gestão de Tecnologia · Trabalho acadêmico

Qualidade de Software e IA Aplicada

Aprenda a transformar requisitos em comportamentos verificáveis, escrever casos de teste atômicos, investigar evidências e usar IA sem terceirizar a análise crítica.

Por Nicolas Nobrega

60–90 minutos Foco manual Login e dados Relatório exportável
Antes de começar

O que você vai produzir

A atividade termina com uma documentação própria, baseada no que você realmente observou.

1

Especificação

História de usuário, regras confirmadas, ambiguidades e perguntas de refinamento.

2

Testes manuais

Casos atômicos com dados, ações, resultados esperados e comportamentos identificados.

3

Evidências

Observações da interface e do DevTools, decisões sobre sugestões da IA e conclusão.

Fora do escopo: automação de testes, exploração ofensiva, uso de dados reais e qualquer ação fora da aplicação pública de treinamento.
Ambiente público

Conheça o BugBank

O BugBank é uma aplicação aberta criada para planejamento e prática de testes. Você utilizará somente contas e dados fictícios.

Limites éticos

  • Use nomes, e-mails e senhas fictícios.
  • Não teste sistemas reais sem autorização.
  • Não publique credenciais, tokens ou dados pessoais.
  • O objetivo é observar e documentar, não explorar.

Fonte do ambiente: repositório público do BugBank. A apresentação funciona sem instalação; é necessária internet apenas para acessar a aplicação externa.

Etapa 1

Compreenda a história de usuário

Expresse pessoa, necessidade e valor. Não transforme detalhes ainda desconhecidos em regras.

Responsabilidade e propósito: a criação e a priorização da história de usuário são responsabilidades do Product Owner. Nesta capacitação, o QA exercita sua escrita para compreender intenção, valor, regras e lacunas antes de elaborar casos de teste determinísticos — sem substituir a atuação do PO.
Como [pessoa ou perfil]
quero [necessidade]
para [valor ou resultado].
Etapa 2

Separe o esperado do identificado

O esperado vem da regra confirmada. O identificado vem da execução e da evidência. A diferença pode ser defeito, dúvida ou necessidade de refinamento.

Comportamento esperado

O que deveria acontecer conforme requisito, critério aprovado ou princípio de qualidade explicitado.

Comportamento identificado

O que realmente ocorreu, acompanhado de massa utilizada, contexto, data e evidência.

Etapa 3

Remova ambiguidades pelo refinamento

Quando o resultado não pode ser observado objetivamente, ainda existe uma pergunta a responder.

Evite

  • “Apresentar mensagem adequada.”
  • “O login deve funcionar corretamente.”
  • “Responder rapidamente.”
  • “Os dados devem estar seguros.”

Pergunte

  • Qual texto, posição e duração da mensagem?
  • Qual tela ou elemento comprova o acesso?
  • Qual tempo máximo é aceitável?
  • Quais dados são sensíveis e onde não podem aparecer?
Etapa 4

Escreva casos de teste atômicos

Cada caso deve testar uma intenção principal. Cada passo executa uma ação e possui um resultado observável correspondente.

A

Uma intenção

Não misture login válido, senha inválida e campos vazios no mesmo caso.

B

Dados explícitos

Use massa fictícia suficiente para outro participante reproduzir a execução.

C

Resultado observável

Evite “funciona corretamente”. Informe o elemento ou estado que será conferido.

CT-001 — [FUNCTIONAL] Validar acesso com credenciais cadastradas
Objetivo: Esse teste objetiva validar...
Precondição: estado que já precisa existir
Passo 1: uma ação executável
Dados: massa fictícia necessária
Resultado esperado: uma resposta observável
Etapa 5

Execute manualmente e registre

Aprenda o produto pelo uso. Registre o contexto antes de decidir se algo é defeito.

Etapa 6

Observe possíveis exposições no DevTools

Use uma conta fictícia e faça uma investigação passiva. Não altere dados, não force acessos e não tente explorar vulnerabilidades.

Charter exploratório

Explorar armazenamento e tráfego do login com dados fictícios para descobrir se informações sensíveis aparecem no Local Storage, Session Storage, Console ou Network.

Timebox: 15 minutos.

O que observar

  • Senha ou credencial em texto legível;
  • Dados pessoais desnecessários;
  • Tokens expostos em URL ou log;
  • Mensagens técnicas excessivas;
  • Persistência após sair da conta.
Não conclua “vulnerabilidade” apenas pela aparência. Registre o local, o dado fictício, a reprodução e o risco potencial. A classificação exige contexto e validação técnica.
Etapa 7

Use IA para questionar, não para decidir

Forneça somente requisitos públicos e dados fictícios. Peça à IA para separar fato, hipótese, dúvida e sugestão.

Atue como apoio de análise de qualidade. Com base somente nos requisitos e evidências que fornecerei, identifique ambiguidades, riscos e perguntas de refinamento. Sugira casos de teste atômicos, com uma intenção por caso. Não invente mensagens, regras ou resultados. Classifique cada item como: regra confirmada, comportamento identificado, hipótese ou dúvida. Informe quando não houver evidência suficiente para registrar um defeito.
Documentação

Revise antes de concluir

Seu relatório deve permitir que outra pessoa compreenda o raciocínio sem depender de uma conversa com você.

Critérios de qualidade

O relatório exportado reunirá

  • História e regras confirmadas;
  • Esperado versus identificado;
  • Perguntas de refinamento;
  • Casos atômicos e execução;
  • Achados no DevTools;
  • Sugestões da IA e decisões humanas;
  • Conclusão do participante.
Conclusão

Exporte e envie para receber feedback

Baixe sua documentação em Markdown, revise as evidências e envie o material para Nicolas Nobrega. Ele auxiliará na identificação de oportunidades de melhoria.

1. Baixe o relatório

O arquivo é gerado no seu navegador. Nenhuma resposta é enviada automaticamente.

2. Envie por e-mail

Anexe o relatório e suas capturas já revisadas. Remova qualquer dado sensível antes do envio.

Preparar e-mail
Contato para feedback: nicolas.nobre@hotmail.com. O retorno tem caráter colaborativo e busca apontar clareza, atomicidade, rastreabilidade, riscos e oportunidades de refinamento.

Ler mais sobre o tema:

Continue o estudo com reflexões práticas sobre qualidade e experiência profissional em QA.