Kvalita a testování v éře AI: Jak testovat nedeterministické systémy

Evaluace LLM aplikací v praxi: golden datasety, LLM-as-judge, regresní testování promptů, A/B testování, monitoring kvality v produkci. Plus druhá strana: AI pro testování klasického softwaru – generování testů, test data, průzkumné testování.

Proč to téma: Zásadní inženýrský problém – klasické testy nefungují na systémy, které pokaždé odpoví jinak. Bez evaluace se AI featura nedá zodpovědně provozovat.