AI sinh nhiều Test Case nhưng vẫn thiếu độ bao phủ yêu cầu. Automation Script trả về lan man, khiến thời gian review và chỉnh sửa có thể vượt quá thời gian tự làm. Tài liệu đầu vào dài hàng chục trang cũng đặt ra bài toán cung cấp đủ ngữ cảnh mà vẫn tối ưu token.
Đây là những vướng mắc được người tham dự mang đến AI in Testing Live, do CO-WELL Tech Academy và cộng đồng Playwright Việt Nam đồng tổ chức, cùng hai diễn giả Đào Văn Tuyến – R&D Team Leader CO-WELL Asia và Đỗ Minh Phong – Admin cộng đồng Playwright Việt Nam.
Thông qua trao đổi và demo trực tiếp, chương trình nhấn mạnh: Nhiều đầu ra hơn chưa đồng nghĩa với nhiều giá trị hơn. Để AI hỗ trợ hiệu quả, QA cần hiểu giới hạn của công cụ, tổ chức cách giao việc và đặt ra cơ chế kiểm chứng phù hợp.
AI in Testing Live: Làm rõ căn cứ để hạn chế AI tự suy diễn
AI có thể tạo câu trả lời trôi chảy ngay cả khi thông tin chưa đầy đủ. Trong kiểm thử phần mềm, điều này có thể dẫn đến những quy tắc nghiệp vụ (Business Rule) do AI tự suy diễn hoặc kết quả mong đợi (Expected Result) nghe hợp lý nhưng không có căn cứ trong tài liệu yêu cầu.
Vì vậy, khi giao việc cho AI, QA cần xác định rõ ba yếu tố: nhiệm vụ cần thực hiện, ngữ cảnh liên quan và tài liệu tham chiếu hoặc ví dụ về đầu ra mong muốn. Phạm vi cụ thể giúp QA dễ đối chiếu, đánh giá kết quả và phát hiện nội dung vượt ngoài yêu cầu.
Với Requirement chưa rõ, bước đầu tiên có thể là yêu cầu AI xác định thông tin còn thiếu, điểm mâu thuẫn và câu hỏi cần xác nhận với BA. Các giả định cần được tách riêng để kiểm chứng trước khi sử dụng làm căn cứ thiết kế Test Case.
Bài học đặt ra là: Chất lượng Test Case bắt đầu từ chất lượng phân tích yêu cầu. Việc sinh thêm Test Case khó khắc phục được một đầu vào đang bị hiểu sai.
Tối ưu token bằng cách tổ chức thông tin theo tác vụ
Một câu hỏi được đặt ra tại AI in Testing Live là làm thế nào sử dụng AI với tài liệu dài 20–30 trang mà vẫn tiết kiệm token.
Nội dung chia sẻ nhấn mạnh việc tối ưu cả đầu vào và đầu ra. Ngoài câu hỏi đang nhập, đầu vào còn có thể bao gồm hướng dẫn, tài liệu và lịch sử hội thoại. Những câu trả lời dài hơn nhu cầu cũng làm tăng mức sử dụng token và công sức đọc, review.
Hướng tiếp cận là loại bỏ ngữ cảnh dư thừa, giới hạn đầu ra theo nhu cầu và lựa chọn model phù hợp với tác vụ. Để thực hiện được điều này, QA cần xác định rõ công việc đang yêu cầu AI xử lý.
Kiểm tra một quy tắc, phân tích một module hay thiết kế Test Case cho một luồng nghiệp vụ sẽ cần những phần tài liệu khác nhau. Việc tổ chức thông tin theo từng tác vụ giúp giữ đủ các quy tắc liên quan, đồng thời hạn chế nội dung không cần thiết.
Từ Prompt đến Skill: Chuẩn hóa hướng dẫn để tái sử dụng
Khi thường xuyên phải nhắc lại cùng một bộ quy tắc, định dạng và yêu cầu, QA có thể chuẩn hóa các hướng dẫn thành Skill để tái sử dụng.
Trong cấu trúc được giới thiệu tại seminar, tệp SKILL.md gồm phần thông tin mô tả giúp Agent nhận biết khi nào cần sử dụng Skill và phần hướng dẫn thực hiện. Tài liệu tham chiếu, mẫu đầu ra và script hỗ trợ có thể được tổ chức riêng.
Một nguyên tắc được nhấn mạnh là Progressive Disclosure — chỉ đọc phần thông tin cần thiết cho tác vụ hiện tại. Chẳng hạn, khi kiểm tra tag của Test Case, AI cần quy định về tag, thay vì phải đọc toàn bộ hướng dẫn viết Automation.
Việc xây dựng Skill cần bắt đầu bằng những câu hỏi cụ thể: Skill thực hiện nhiệm vụ gì, cần đầu vào nào và đầu ra được đánh giá theo tiêu chí nào? Hướng dẫn được đóng gói vẫn cần thử nghiệm, kiểm chứng và cập nhật để sử dụng hiệu quả trong thực tế.
Demo tại AI in Testing Live: Kiểm chứng từng mắt xích trong workflow
Phần demo triển khai hai luồng công việc liên kết:
- Manual Testing: Requirement → Câu hỏi xác nhận với BA → Test Case.
- Automation Testing: Test Case → Code Automation với Playwright.
Mỗi bước có nhiệm vụ và đầu ra riêng, cần được kiểm chứng trước khi chuyển tiếp. Nếu Requirement bị hiểu sai, Test Case có thể sai theo. Khi chuyển sang Automation, script chạy được vẫn chưa đủ để kết luận rằng hệ thống đang kiểm thử đúng nghiệp vụ.
QA vì thế cần kiểm tra cả căn cứ thiết kế lẫn kết quả thực thi: Test Case liên kết với yêu cầu nào? Expected Result có căn cứ không? Độ bao phủ yêu cầu đã phù hợp chưa? Script có thực sự kiểm tra đúng điều cần kiểm tra?
Chia nhỏ workflow giúp xác định lỗi xuất phát từ đâu và sửa đúng bước, hạn chế việc liên tục yêu cầu AI thực hiện lại toàn bộ quy trình.
Đo kết quả và cập nhật cách làm để hạn chế lỗi lặp lại
Chương trình giới thiệu vòng cải tiến: Chạy → Đo kết quả → Sửa Skill → Ghi lại hướng dẫn trong AGENTS.md.
Khi một lỗi xuất hiện nhiều lần, chỉ chỉnh sửa đầu ra của từng lần chạy sẽ khiến QA tiếp tục mất công xử lý cùng một vấn đề. Cần xem xét cập nhật hướng dẫn, tài liệu tham chiếu hoặc bước kiểm tra để hạn chế lỗi tái diễn.
Các câu hỏi của người tham dự cũng mở rộng đến việc quản lý hàng trăm Skill, tái sử dụng giữa nhiều dự án và giảm nguồn lực review. Những bài toán này cần tiêu chí đánh giá cụ thể, như mức độ bám sát Requirement, độ bao phủ, lỗi thiếu căn cứ và công sức chỉnh sửa.
Hiệu quả ứng dụng AI cần được đánh giá trên toàn bộ quá trình đưa kết quả vào sử dụng, bao gồm thời gian giao việc, review, sửa lỗi và bảo trì.
Bài học từ AI in Testing Live: Bắt đầu với một tác vụ cụ thể
Từ những nội dung tại AI in Testing Live, QA có thể bắt đầu bằng một tác vụ đang lặp lại trong dự án: xác định đầu vào, chuẩn hóa hướng dẫn, đặt tiêu chí kiểm chứng và đo kết quả qua từng lần chạy. Khi từng bước đủ tin cậy, việc mở rộng thành workflow sẽ có cơ sở rõ ràng hơn.
CO-WELL Tech Academy trân trọng cảm ơn hai diễn giả và cộng đồng QA đã cùng đặt câu hỏi, theo dõi demo, trao đổi kinh nghiệm và tham gia các hoạt động tương tác. Những bài toán thực tế của người tham dự đã giúp AI in Testing Live trở thành buổi chia sẻ tập trung vào cách đưa AI vào công việc kiểm thử có kiểm soát và có thể đánh giá hiệu quả.
Nếu anh/chị quan tâm tới các nghiệp vụ về QA vui lòng tham khảo các khóa học của CO-WELL Tech Academy:
- Thành Thạo Automation Test với Playwright: Khóa học dành cho các QA Manual, sinh viên chuyên ngành IT muốn theo đuổi con đường trả thành QA Automation.
- Practical AI For Manual Testers: Khóa học dành cho QA Manual muốn ứng dụng AI vào công việc hiệu quả. Khóa học hướng dẫn tư duy đúng trong sử dụng IT, cách xây dựng AI Skill, AI Agent, AI Workflow và AI Copilot cho công việc QA.
- Software Testing Bootcamp 2026: Khóa học dành cho sinh viên IT, sinh viên/ người trái ngành muốn học kiến thức QA nền tảng để theo đuổi sự nghiệp QA lĩnh vực IT,


