Imagine uma solução de automação que entregou meses seguidos sem nenhum incidente de produção em uma das lojas digitais com maior faturamento da Caixa. Nesta palestra vamos mostrar, de forma prática e técnica, como combinamos YOLO (detecção de objetos), OpenCV (processamento de imagem) e EasyOCR para criar uma camada robusta de testes visuais de regressão em mais de 2.000 cenários E2E. Do desafio real de gerar massa de treinamento para o YOLO até a detecção automática de pontos de lentidão analisando mais de 1.000 horas de vídeo, você verá uma abordagem comprovada, escalável e replicável que leva a cobertura de testes visuais a um novo patamar de excelência.

Mesmo com o avanço da IA, bugs críticos continuam chegando em produção. O problema não é falta de testes, mas ausência de estratégia e análise estruturada.

Nesta palestra, apresento como combinar Análise de Causa Raiz (RCA) com o uso prático de agentes de IA para identificar padrões de defeitos, melhorar a tomada de decisão e evoluir a qualidade de forma estratégica.

A partir de casos reais, demonstro como usar IA para analisar dados de bugs, explorar sistemas e aprimorar testes. Mais do que substituir o QA, a IA potencializa seu papel como agente estratégico de qualidade.

Os participantes sairão com um modelo prático de RCA orientado a dados e aplicações reais para o dia a dia.

A Inteligência Artificial está transformando o desenvolvimento de software — e a Qualidade também. Nesta palestra, você vai descobrir como agentes de IA já estão sendo utilizados para gerar testes automaticamente, revisar código, identificar riscos antes da produção e acelerar pipelines de entrega. Com exemplos reais de projetos e resultados práticos, vamos explorar como o papel do QA está evoluindo de executor para engenheiro de qualidade estratégico. Se você quer entender o futuro da área, aprender novas possibilidades de atuação e se preparar para a próxima geração da engenharia de software, esta palestra é para você.

Nesta palestra, apresentaremos um caso real em que o volume e a fragmentação de dados de qualidade dificultavam a análise, a priorização e a governança da documentação em projetos ágeis. A partir desse cenário, exploraremos como uma automação com IA aplicada à auditoria documental em uma ferramenta de gestão ampliou a visibilidade sobre atrasos, inconsistências e responsáveis, com comunicação estruturada dos resultados para canais corporativos. Também abordaremos os critérios de validação humana, os resultados observados, as melhorias implementadas ao longo da evolução da solução e os limites encontrados na prática, em uma discussão sobre qualidade, rastreabilidade e maturidade operacional.

Agentes de IA estão sendo incorporados a processos cada vez mais críticos, mas sua natureza probabilística desafia práticas tradicionais de validação. Como garantir qualidade, rastreabilidade e confiança quando não é possível antecipar e definir explicitamente todos os cenários de teste? Nesta palestra será apresentada uma abordagem baseada em conhecimento estruturado, na qual documentos, regras de negócio e procedimentos operacionais são transformados em grafos de conhecimento capazes de atuar como oráculos de teste automatizados. Em vez de criar ou gerar casos de teste explicitamente, o próprio conhecimento do domínio passa a fornecer perguntas, cenários de avaliação e critérios de validação de forma determinística e rastreável. A sessão abordará conceitos como DocumentGraph, geração automática de avaliações, Design of Experiments (DoE), validação baseada em conhecimento e avaliação sem LLM-as-Judge. Também serão discutidos os limites da abordagem, os desafios de extração de conhecimento a partir de documentos corporativos e os cenários em que esse modelo pode complementar estratégias tradicionais de Quality Engineering. Ao final, os participantes compreenderão como transformar documentação corporativa em mecanismos automatizados de validação, ampliando cobertura, auditabilidade e confiança na avaliação de agentes de IA.

À medida que sistemas de software incorporam cada vez mais integrações com modelos de linguagem de grande escala (LLMs), surgem novos desafios para garantir a qualidade em todo o ciclo de vida de desenvolvimento. Neste painel, exploraremos o conceito de LLM as a Judge — o uso de modelos de linguagem como camada autônoma de avaliação e validação — sob duas perspectivas complementares: a meta-qualidade, ou seja, como avaliar a própria qualidade dos processos e artefatos de QA com o auxílio de LLMs, e a qualidade das integrações com IA, garantindo que os comportamentos esperados dos modelos sejam verificáveis, rastreáveis e confiáveis em produção. Reunindo especialistas em Quality Engineering, discutiremos como essa abordagem pode ser aplicada em diferentes fases do SDLC — do refinamento de requisitos ao monitoramento em produção — redefinindo o papel do QA em times que desenvolvem produtos orientados à inteligência artificial.

O modelo tradicional de automação de testes, baseado em comparações binárias e resultados estáticos, é insuficiente para a nova geração de aplicações Web alimentadas por IA. Como garantir a qualidade quando a interface é fluida e o conteúdo muda a cada interação? Nesta palestra, apresentarei como o Robot Framework, aliado à Gemini API, pode ser utilizado para criar testes que compreendem o contexto e a semântica, em vez de apenas validar seletores de ID e strings fixas. Vamos explorar o conceito de "IA testando IA", onde transformamos o LLM em um oráculo capaz de tomar decisões críticas sobre o que é um teste aprovado ou reprovado.

Como garantir a performance quando o sistema falha sob carga? Nesta palestra, apresento um estudo de caso real de uma POC desenvolvida pelo nosso time de qualidade. Através de vídeos demonstrativos, mostrarei como integramos Engenharia do Caos aos testes de performance para validar o comportamento da aplicação em cenários críticos. Veremos a injeção de latência e falhas de rede enquanto o sistema estava sob estresse, revelando gargalos que testes tradicionais não pegam. O foco é compartilhar o framework utilizado, as métricas coletadas e como essa abordagem elevou nossa estratégia de QE, garantindo resiliência e estabilidade mesmo em ambientes degradados.