Szilárd Széll
Szilárd Széll é Principal Consultant na Eficode, onde desempenha funções como DevOps and AI Transformation Lead, Test Coach e SAFe 6.0 SPC.
Com mais de 15 anos de experiência em transformação DevOps, centra atualmente o seu trabalho no SDLC baseado em agentes de IA. Ao longo da sua carreira, desempenhou também funções de assessor, formador, facilitador e coach nas áreas de automação de testes e melhoria dos processos de teste.
Szilárd está fortemente envolvido na comunidade de testes, tendo recebido o prémio Tester of the Year in Finland, em 2024. É responsável pelo Finnish Testing Meetup Group, em conjunto com outros membros da comunidade, e participa ativamente no International Software Testing Qualifications Board (ISTQB®) como Product Owner do novo programa Quality in DevOps. É também membro do Hungarian Software Testing Board (HTB). Ao longo dos anos, tem colaborado e apoiado conferências como HUSTEF, UCAAT e EuroSTAR.
Na sua vida pessoal, gosta de fazer kayak no mar, brincar com LEGO e ser “testado” pela sua filha adolescente.
Szilárd Széll
Szilárd Széll é Principal Consultant na Eficode, onde desempenha funções como DevOps and AI Transformation Lead, Test Coach e SAFe 6.0 SPC.
Com mais de 15 anos de experiência em transformação DevOps, centra atualmente o seu trabalho no SDLC baseado em agentes de IA. Ao longo da sua carreira, desempenhou também funções de assessor, formador, facilitador e coach nas áreas de automação de testes e melhoria dos processos de teste.
Szilárd está fortemente envolvido na comunidade de testes, tendo recebido o prémio Tester of the Year in Finland, em 2024. É responsável pelo Finnish Testing Meetup Group, em conjunto com outros membros da comunidade, e participa ativamente no International Software Testing Qualifications Board (ISTQB®) como Product Owner do novo programa Quality in DevOps. É também membro do Hungarian Software Testing Board (HTB). Ao longo dos anos, tem colaborado e apoiado conferências como HUSTEF, UCAAT e EuroSTAR.
Na sua vida pessoal, gosta de fazer kayak no mar, brincar com LEGO e ser “testado” pela sua filha adolescente.
Szilárd Széll
Szilárd Széll é Principal Consultant na Eficode, onde desempenha funções como DevOps and AI Transformation Lead, Test Coach e SAFe 6.0 SPC.
Com mais de 15 anos de experiência em transformação DevOps, centra atualmente o seu trabalho no SDLC baseado em agentes de IA. Ao longo da sua carreira, desempenhou também funções de assessor, formador, facilitador e coach nas áreas de automação de testes e melhoria dos processos de teste.
Szilárd está fortemente envolvido na comunidade de testes, tendo recebido o prémio Tester of the Year in Finland, em 2024. É responsável pelo Finnish Testing Meetup Group, em conjunto com outros membros da comunidade, e participa ativamente no International Software Testing Qualifications Board (ISTQB®) como Product Owner do novo programa Quality in DevOps. É também membro do Hungarian Software Testing Board (HTB). Ao longo dos anos, tem colaborado e apoiado conferências como HUSTEF, UCAAT e EuroSTAR.
Na sua vida pessoal, gosta de fazer kayak no mar, brincar com LEGO e ser “testado” pela sua filha adolescente.
CALENDÁRIO
Keynote
27 Outubro
Quality Model for Agentic SDLC
Já ouviu falar do caso em que “uma ferramenta de programação baseada em IA eliminou a base de dados de uma empresa de software e depois pediu desculpa por uma ‘falha catastrófica’”?
Nos últimos meses, vários exemplos reais têm evidenciado as limitações e os riscos do código gerado por IA. Num caso amplamente divulgado, um assistente autónomo de programação baseado em IA, numa plataforma de desenvolvimento, eliminou a base de dados de produção de uma empresa, apesar de ter recebido instruções explícitas para suspender alterações. De seguida, gerou dados falsos e ocultou os próprios erros, até que a situação foi corrigida. Estes incidentes não são casos isolados; refletem um desafio mais profundo que surge quando os sistemas de IA escrevem e modificam código de forma autónoma. Os developers e os engenheiros de qualidade já não podem assumir um comportamento determinístico, oráculos claros ou resultados seguros.
Nesta sessão, exploramos como os testers podem libertar o seu superpower, passando de uma abordagem centrada em ferramentas de automação ou na exploração centrada no ser humano para uma abordagem estratégica de Quality Engineering em pipelines de entrega potenciados por IA. Em vez de competir com a IA, o foco está na colaboração entre humanos e IA: saber quando confiar nos resultados produzidos pela IA, quando os questionar e como conceber práticas de automação e qualidade que permaneçam fiáveis num mundo não determinístico e orientado por agentes.
Com base no Three-Pillar Balanced Quality Model — Proactive, Detective, Reactive — apresentado anteriormente, a sessão demonstra como conceber uma arquitetura de SDLC orientado por agentes que abranja todos os níveis de autonomia (L1–L4), desde sugestões de IA em IDEs até agentes capazes de integrar alterações diretamente em produção.
A sessão destaca competências que a IA não consegue substituir: pensamento crítico, avaliação de riscos, estratégia de qualidade integrada no pipeline CI/CD e comunicação. Os participantes irão descobrir como os engenheiros de automação podem evoluir para funções de responsáveis pela qualidade e supervisores de IA, utilizando a IA para acelerar a entrega, sem abdicar do julgamento humano sobre correção, segurança e valor para o negócio.
Sessões de Workshop
Full Day
26 Outubro
Os agentes de programação baseados em IA, como o GitHub Copilot e o Claude Code, já escrevem, refatoram e testam código a uma velocidade impressionante, trazendo benefícios reais para as equipas todos os dias. O próximo passo é ainda maior: tornar o agente um participante ativo na engenharia da qualidade da equipa, garantindo que a sua velocidade é acompanhada pelo mesmo nível de confiança. O Shift-left antecipou os testes no processo de desenvolvimento. Um agente comprime código, testes e decisões num único ciclo generativo contínuo — o que significa que a qualidade pode agora acompanhar esse ciclo, integrada no próprio agente, à medida que este trabalha.
É o Shift In. Em pequenos grupos em torno de uma máquina, as equipas partem de um repositório real e em funcionamento — com o contexto de negócio e os SLI já definidos — e transformam-no, passo a passo, numa delivery pipeline totalmente orientada para a qualidade, utilizando o agente em cada etapa.
Através de exercícios práticos e curtos, os participantes irão transformar o contexto de negócio em instruções para o agente, executar code reviews com IA, gerar testes unitários, de API e de sistema fiáveis, construir uma pipeline de CI, executar testes dentro do ciclo do agente e, por fim, desenvolver uma funcionalidade completa com a qualidade integrada em todas as etapas. O Claude Code será utilizado como referência.
Calendário
Keynote
27 Outubro
Quality Model for Agentic SDLC
Já ouviu falar do caso em que “uma ferramenta de programação baseada em IA eliminou a base de dados de uma empresa de software e depois pediu desculpa por uma ‘falha catastrófica’”?
Nos últimos meses, vários exemplos reais têm evidenciado as limitações e os riscos do código gerado por IA. Num caso amplamente divulgado, um assistente autónomo de programação baseado em IA, numa plataforma de desenvolvimento, eliminou a base de dados de produção de uma empresa, apesar de ter recebido instruções explícitas para suspender alterações. De seguida, gerou dados falsos e ocultou os próprios erros, até que a situação foi corrigida. Estes incidentes não são casos isolados; refletem um desafio mais profundo que surge quando os sistemas de IA escrevem e modificam código de forma autónoma. Os developers e os engenheiros de qualidade já não podem assumir um comportamento determinístico, oráculos claros ou resultados seguros.
Nesta sessão, exploramos como os testers podem libertar o seu superpower, passando de uma abordagem centrada em ferramentas de automação ou na exploração centrada no ser humano para uma abordagem estratégica de Quality Engineering em pipelines de entrega potenciados por IA. Em vez de competir com a IA, o foco está na colaboração entre humanos e IA: saber quando confiar nos resultados produzidos pela IA, quando os questionar e como conceber práticas de automação e qualidade que permaneçam fiáveis num mundo não determinístico e orientado por agentes.
Com base no Three-Pillar Balanced Quality Model — Proactive, Detective, Reactive — apresentado anteriormente, a sessão demonstra como conceber uma arquitetura de SDLC orientado por agentes que abranja todos os níveis de autonomia (L1–L4), desde sugestões de IA em IDEs até agentes capazes de integrar alterações diretamente em produção.
A sessão destaca competências que a IA não consegue substituir: pensamento crítico, avaliação de riscos, estratégia de qualidade integrada no pipeline CI/CD e comunicação. Os participantes irão descobrir como os engenheiros de automação podem evoluir para funções de responsáveis pela qualidade e supervisores de IA, utilizando a IA para acelerar a entrega, sem abdicar do julgamento humano sobre correção, segurança e valor para o negócio.
Sessões de Workshop
Full Day
26 Outubro
Os agentes de programação baseados em IA, como o GitHub Copilot e o Claude Code, já escrevem, refatoram e testam código a uma velocidade impressionante, trazendo benefícios reais para as equipas todos os dias. O próximo passo é ainda maior: tornar o agente um participante ativo na engenharia da qualidade da equipa, garantindo que a sua velocidade é acompanhada pelo mesmo nível de confiança. O Shift-left antecipou os testes no processo de desenvolvimento. Um agente comprime código, testes e decisões num único ciclo generativo contínuo — o que significa que a qualidade pode agora acompanhar esse ciclo, integrada no próprio agente, à medida que este trabalha.
É o Shift In. Em pequenos grupos em torno de uma máquina, as equipas partem de um repositório real e em funcionamento — com o contexto de negócio e os SLI já definidos — e transformam-no, passo a passo, numa delivery pipeline totalmente orientada para a qualidade, utilizando o agente em cada etapa.
Através de exercícios práticos e curtos, os participantes irão transformar o contexto de negócio em instruções para o agente, executar code reviews com IA, gerar testes unitários, de API e de sistema fiáveis, construir uma pipeline de CI, executar testes dentro do ciclo do agente e, por fim, desenvolver uma funcionalidade completa com a qualidade integrada em todas as etapas.
O Claude Code será utilizado como referência. No final, os participantes terão um conjunto de ferramentas práticas — ficheiros de instruções, skills, subagentes, hooks e MCP —, um ritual de verificação baseado em mob que mantém o ser humano como responsável pela decisão final sobre a qualidade e um modelo concreto de Shift In que poderão aplicar imediatamente ao seu próprio código.
