Kvalitet börjar i teamet

Magnus har en bakgrund som utvecklare och Scrum Master, och just kombinationen av teknik och teamarbete är något han brinner för. Genom åren har han fått stor erfarenhet av automatiserad testning och sett hur mycket kvalitet, trygghet och tempo ett team kan vinna när testarbetet fungerar riktigt bra. Samtidigt vet han vilka utmaningar många brottas med. Äldre system som är känsliga att förändra, långdragen regressionstestning och testmiljöer som inte alltid hänger med. I intervjun delar Magnus sina insikter om hur automation och AI kan stärka teamens arbetssätt och skapa förutsättningar för snabbare och mer hållbara leveranser. 

Magnus Bladh, konsult på Brivalo

Hur hjälper din erfarenhet teamet att leverera hög kvalitet?

Kombinationen av många år som utvecklare och som Scrum Master gör att jag kan förstå både de tekniska detaljerna och de organisatoriska utmaningarna i ett team. Jag vet inte om det i sig garanterar hög kvalitet, men den praktiska erfarenheten av de utmaningar team möter gör att jag har goda förutsättningar att stötta, motivera och hjälpa dem framåt.

Vilken är den största kvalitetsvinsten när ett team ökar sin testautomation?

Den största fördelen är att teamet får snabbare återkoppling och därför vågar göra fler och bättre förändringar. Automatiserade tester minskar behovet av manuella moment, avlastar teamet och höjer kvaliteten eftersom testerna körs på samma sätt varje gång.

För team som arbetar med kontinuerliga leveranser är testautomation i praktiken en förutsättning. Det minskar risken för fel och frigör tid till mer värdeskapande arbete som utforskande testning, refaktorering och löpande förbättringar.

Hur går du tillväga för att förbättra äldre, känsliga system utan att skapa nya problem?

Jag tänker att det är viktigt att börja med att kartlägga beroenden och förstå var riskerna finns. I äldre system är det avgörande att först skapa en grund av stabila tester. När man vet att det finns ett bra testskydd blir det oftast både tryggare och enklare att förbättra kod och arkitektur.

Sedan handlar det förstås om små förändringar, tät feedback och kontinuerlig verifiering. Kort sagt: bygga testskydd och ta små steg framåt.

Hur skulle din idealprocess se ut om du fick kombinera automation och AI för att snabba upp kvalitetsarbetet?

Oj, svår fråga – men kanske något åt det här hållet:

• AI som automatiskt genererar testfall utifrån user stories och kodändringar.

• En pipeline som kör tester vid varje commit.

• AI-baserad analys som hittar riskområden baserat på tidigare buggar, kod och komplexitet.
  Lättillgängliga testmiljöer.

• Dashboardar som ger teamet omedelbar feedback om något gått snett.

Och så gärna en riktigt grym PO i bakgrunden så att man vet att teamet gör rätt saker.

Vilka praktiska användningsområden för AI ser du i de team du arbetar med idag?

• Generering av testfall och acceptanskriterier.

• Framtagning av testdata.

• Analys av loggar, felmeddelanden och exceptions.

• Stöd vid refaktorering, där AI kan peka ut komplex kod och riskområden.

• Dokumentationsstöd – att snabbt sammanfatta systembeteenden och beskriva integrationer.

Just nu ser jag AI som ett verktyg som förstärker teamet, inte ersätter deras expertis.

Hur ser du på balansen mellan AI-stöd och den mänskliga expertis som krävs för att säkra kvalitet?

AI kan absolut bidra till snabbare utveckling och ge många bra förslag, men det krävs mänsklig kunskap för att avgöra vad som faktiskt är relevant, korrekt och användbart. Den balansen är helt avgörande. AI kan till exempel föreslå testfall, men det är utvecklare och testare som verkligen förstår systemets beteende, risker och sammanhang.

Jag ser AI som en assistent som gör grovjobbet och frigör tid, inte som något som ersätter ansvar eller omdöme.

Hur kan du hjälpa teamet att använda AI klokt, utan att lita blint på svaren?

Jag är inte säker på att jag kan hjälpa teamet med allt detta. Det jag däremot kan göra är att skapa en miljö där vi vågar prova, vågar göra fel och lär oss av det.

Ska jag ändå ge några konkreta exempel blir det kanske:

• Alltid granska AI-förslag och jämföra dem med egna erfarenheter.

• Ge utrymme i retrospektiv för att utvärdera vad AI-stödet faktiskt bidrog med.

• Uppmuntra teamet att lära sig verktygen ordentligt, så att de förstår styrkor och begränsningar och inte blir beroende av dem.

Mitt fokus är att teamet behåller sitt kritiska tänkande och fortsatt vågar testa nytt.

Många vill börja använda AI i sitt testarbete men vet inte hur. Om du skulle ge tre enkla och konkreta steg att börja med, vilka vore det?

1. Börja med dokumentation och user stories.
   Låt AI strukturera, bryta ner eller föreslå acceptanskriterier men var noga med att utvärdera resultatet.

2. Låt AI generera testfall för ett avgränsat område.
   Starta i liten skala och se vilket värde det faktiskt ger.

3. Analysera loggar och felrapporter med AI.
   AI är ofta förvånansvärt bra på att hitta mönster och peka ut vad som kan vara fel.

Vilket råd brukar du ge utvecklare och testare för att undvika vanliga misstag när man börjar använda AI som stöd i testprocessen?

Mitt viktigaste råd är att aldrig hoppa över granskningen. AI kan ge bra underlag, men det är lätt att tro att allt stämmer. Kontrollera datan, validera förslagen och säkerställ att de verkligen täcker behoven.

Det andra rådet är att inte försöka automatisera allt på en gång. Börja där effekten är som störst och bygg vidare därifrån.

Vad driver dig att utvecklas genom olika roller – och vad får dig att trivas i vardagen?

Jag tror att det hänger ihop med att jag ofta har arbetat i stora projekt på stora bolag och myndigheter. Som utvecklare hade jag förstås stor möjlighet att påverka kod och teknik, men när vi tog upp utmaningar som inte var tekniska upplevde jag att man inte riktigt lyssnade. Det gjorde att jag började intressera mig för andra roller.

En bra dag får jag arbeta nära andra människor, lösa problem tillsammans och bidra till en kultur där man ständigt förbättrar sättet man jobbar på. Det är just kombinationen av teknik, team och förändringsarbete som gör att jag trivs.

Kan du dela ett uppdrag du är extra stolt över – och vad du tog med dig från det?

Ett uppdrag jag verkligen tyckte om var arbetet på en myndighet, där vi ersatte ett äldre system. Jag hade flera roller: Scrum Master, utvecklare och utvecklingsledare, och vi arbetade i ett komplext systemlandskap där kvalitet och stabilitet är helt avgörande.

Det som gjorde uppdraget särskilt roligt var att jag fick vara med från ett tidigt stadium och följa arbetet hela vägen in i mål. Jag lärde mig mycket om hur viktigt det är med tydlig kravhantering, stabil testning och ett nära samarbete mellan teamen.

Magnus återkommer gång på gång till samma grundtanke: kvalitet handlar inte bara om verktyg, tester och processer utan om människor som vågar tänka efter, vågar ifrågasätta och vågar prova nytt. Med en fot i tekniken och en i teamets vardag vill han skapa arbetsmiljöer där utvecklare känner sig trygga att ta steg framåt, även i komplexa och äldre system. Automation och AI är starka stöd på vägen, men aldrig en ersättning för det gemensamma omdömet.

Det är just i blandningen av struktur, nyfikenhet och teamarbete som Magnus hittar sin energi och där han också hjälper andra att hitta sin.

Kontakta mig om du vill veta mer om test