Fredrik Scheja
Titel: Symbiosen mellan mänsklig mognad och maskinens autopilot – så utforskar vi nya koordinater på systemutvecklingens resa
Abstrakt:
Vi står mitt i en transformation där våra egna insikter och maskinens autopilot tillsammans formar resan genom systemutvecklingens nya landskap. I denna föreläsning utforskar vi hur mänsklig mognad i testarbete samspelar med tekniska hjälpmedel på ett sätt som inte bara effektiviserar, utan också öppnar dörrar till nya perspektiv och oväntade vägar. Baserat på berättelser och reflektioner från TestExpo, samt insikter ur “autopilot on/off”-rapporten, diskuteras hur medvetenhet, nyfikenhet och reflektion hjälper oss att lägga ut nya koordinater för kvalitet. Vi synar de stunder då autopiloten stöttar – och de när vi aktivt måste ta över rodret, samt hur denna symbios ger oss bättre förmåga att navigera komplexitet, risker och innovationsmöjligheter i vårt dagliga testarbete.
Om Fredrik:
Fredrik Scheja är teststrateg och utvecklingsrådgivare som lika gärna lyfter kvalitetens svåra frågor som letar eleganta omvägar genom systemens vardagskomplexitet. I arbetet sprider han en passion för att skapa testkultur där empati, nyfikenhet och självinsikt är lika självklara som automationsverktyg – och där samtalet om mognad alltid är öppet, ibland oväntat och ofta med glimt i ögat.
Fredrik tror varken på enkla svar eller färdiga kartor, utan hellre på idén att systemutveckling är en resa mot nya koordinater där den inre mänskliga kompassen är den främsta vägvisaren. Hans inlägg på LinkedIn blandar vision med vardagsnära betraktelser från offentlig sektor, innovation och test – där lärdomar, missar och insikter delas generöst med målet att höja både engagemang och förståelse för kvalitetens verkliga värde.
Abstrakt:
Vi står mitt i en transformation där våra egna insikter och maskinens autopilot tillsammans formar resan genom systemutvecklingens nya landskap. I denna föreläsning utforskar vi hur mänsklig mognad i testarbete samspelar med tekniska hjälpmedel på ett sätt som inte bara effektiviserar, utan också öppnar dörrar till nya perspektiv och oväntade vägar. Baserat på berättelser och reflektioner från TestExpo, samt insikter ur “autopilot on/off”-rapporten, diskuteras hur medvetenhet, nyfikenhet och reflektion hjälper oss att lägga ut nya koordinater för kvalitet. Vi synar de stunder då autopiloten stöttar – och de när vi aktivt måste ta över rodret, samt hur denna symbios ger oss bättre förmåga att navigera komplexitet, risker och innovationsmöjligheter i vårt dagliga testarbete.
Om Fredrik:
Fredrik Scheja är teststrateg och utvecklingsrådgivare som lika gärna lyfter kvalitetens svåra frågor som letar eleganta omvägar genom systemens vardagskomplexitet. I arbetet sprider han en passion för att skapa testkultur där empati, nyfikenhet och självinsikt är lika självklara som automationsverktyg – och där samtalet om mognad alltid är öppet, ibland oväntat och ofta med glimt i ögat.
Fredrik tror varken på enkla svar eller färdiga kartor, utan hellre på idén att systemutveckling är en resa mot nya koordinater där den inre mänskliga kompassen är den främsta vägvisaren. Hans inlägg på LinkedIn blandar vision med vardagsnära betraktelser från offentlig sektor, innovation och test – där lärdomar, missar och insikter delas generöst med målet att höja både engagemang och förståelse för kvalitetens verkliga värde.
| sast_west_2025-11-20_fscheja.pdf |
Lena Nyström
Title: Too close to see the canvas - the pattern beyond the pixels
Abstract:
I once started a new role where one of my key responsibilities was to move testing to the next level. The team had automation in place as part of their delivery process and had invested a lot into shifting testing left, which was great. As someone who has dealt with flaky and ineffective automation before, I thought this time it would be smooth sailing.
However, in reality, most days showed red reports. But worse, no one seemed to be concerned about it. My spider senses were tingling like crazy. There was a pattern, but I could not see it.
Arming myself with as much data as I could gather and putting all of my experience to use, I set out to find the truth and shift the team from constant firefighting to long-term continuous improvement.
We will explore how looking at trends, going beyond your own capabilities and limitations, and examining problems from different parts of an ecosystem can reveal hidden issues and help move systems out of the status quo. We will talk about the unexpected resistance I faced and how we managed to shift the mindset from blaming others to taking collective responsibility for improvement.
These principles are not limited to automation. You can apply them to any area of your work to promote continuous improvement and break free from the cycle of reactive problem-solving.
About Lena:
Lena has been building software since 1999, in roles across development, testing, leadership and management. It is basically all she knows – she won’t be much help when the zombie apocalypse comes.
Lena found her passion in testing a decade later and has been focusing on quality in software since then. Lately she has shifted even further left – to building organizations and people. The testing community is her home and she is especially interested in asking “should we build that” when others focus on “could we build that”. Her core drive is continuous improvement and she strongly believes we all should strive to challenge ourselves, our assumptions and the way things are done.
She is the author and creator of “Would Heu-risk it?”, a MASH (http://mashprogram.wordpress.com) mentor, an avid blogger (testing.pejgan.se), keynote speaker and heading the TestScouts Stockholm Office.
Abstract:
I once started a new role where one of my key responsibilities was to move testing to the next level. The team had automation in place as part of their delivery process and had invested a lot into shifting testing left, which was great. As someone who has dealt with flaky and ineffective automation before, I thought this time it would be smooth sailing.
However, in reality, most days showed red reports. But worse, no one seemed to be concerned about it. My spider senses were tingling like crazy. There was a pattern, but I could not see it.
Arming myself with as much data as I could gather and putting all of my experience to use, I set out to find the truth and shift the team from constant firefighting to long-term continuous improvement.
We will explore how looking at trends, going beyond your own capabilities and limitations, and examining problems from different parts of an ecosystem can reveal hidden issues and help move systems out of the status quo. We will talk about the unexpected resistance I faced and how we managed to shift the mindset from blaming others to taking collective responsibility for improvement.
These principles are not limited to automation. You can apply them to any area of your work to promote continuous improvement and break free from the cycle of reactive problem-solving.
About Lena:
Lena has been building software since 1999, in roles across development, testing, leadership and management. It is basically all she knows – she won’t be much help when the zombie apocalypse comes.
Lena found her passion in testing a decade later and has been focusing on quality in software since then. Lately she has shifted even further left – to building organizations and people. The testing community is her home and she is especially interested in asking “should we build that” when others focus on “could we build that”. Her core drive is continuous improvement and she strongly believes we all should strive to challenge ourselves, our assumptions and the way things are done.
She is the author and creator of “Would Heu-risk it?”, a MASH (http://mashprogram.wordpress.com) mentor, an avid blogger (testing.pejgan.se), keynote speaker and heading the TestScouts Stockholm Office.
| too_close_to_see_the_canvas.pdf |
Jonas Hermansson
Titel: AI testar AI – men vem testar AI:n som testar AI?
Abstract:
Vi står inför en ny verklighet i mjukvaruutvecklingen. Virtuella Utvecklingsteam bestående av AI-agenter som planerar, kodar, granskar, testar och levererar är inte längre science fiction. De är här.
Men när maskiner börjar samarbeta med maskiner...
Vem säkerställer att kvalitet, säkerhet och etik fortfarande bevaras? Och vem ser till att slutanvändarens behovs tillfredsställs, att deras problem faktiskt löses av mjukvaran?
I mitt webbinarie utforskar vi hur Quality Assurance (QA) måste förändras i grunden i takt med att AI blir en aktiv medlem i utvecklingsteamen. På IT-HUSET arbetar vi med hur AI-drivna QA-ramverk kan bli ett “intelligent skyddslager” kring dessa agentteam. En wraper som automatiskt testar, verifierar och validerar nytta för slutanvändare. Ändå är den mänskliga testaren mer relevant än någonsin.
Det är människan i loopen som tillför omdöme, kontext, etik och ser till att våra system inte bara fungerar, utan även levererar rätt känsla och utstrålning. Det här handlar inte bara om teknik. Det handlar om förtroende i en värld där AI utvecklar tillsammans med oss.
Är du redo att omdefiniera vad kvalitet betyder när ditt team inte längre är helt mänskligt?
Abstract:
Vi står inför en ny verklighet i mjukvaruutvecklingen. Virtuella Utvecklingsteam bestående av AI-agenter som planerar, kodar, granskar, testar och levererar är inte längre science fiction. De är här.
Men när maskiner börjar samarbeta med maskiner...
Vem säkerställer att kvalitet, säkerhet och etik fortfarande bevaras? Och vem ser till att slutanvändarens behovs tillfredsställs, att deras problem faktiskt löses av mjukvaran?
I mitt webbinarie utforskar vi hur Quality Assurance (QA) måste förändras i grunden i takt med att AI blir en aktiv medlem i utvecklingsteamen. På IT-HUSET arbetar vi med hur AI-drivna QA-ramverk kan bli ett “intelligent skyddslager” kring dessa agentteam. En wraper som automatiskt testar, verifierar och validerar nytta för slutanvändare. Ändå är den mänskliga testaren mer relevant än någonsin.
Det är människan i loopen som tillför omdöme, kontext, etik och ser till att våra system inte bara fungerar, utan även levererar rätt känsla och utstrålning. Det här handlar inte bara om teknik. Det handlar om förtroende i en värld där AI utvecklar tillsammans med oss.
Är du redo att omdefiniera vad kvalitet betyder när ditt team inte längre är helt mänskligt?
| sast_20_west_jonas_hermansson__1_.pdf |
Staffan Åberg
Title: Chaos to Clarity – An Interactive Journey into HTSM
Abstract:
Ever joined a project and thought, “Where do I even start testing?”
In this interactive session, we’ll explore the Heuristic Test Strategy Model (HTSM) — a powerful mental map for thinking about testing and a way to find those questions you need to ask.
Together, we’ll test-storm a small app (the newly invented dog-walking service Walkify) and discover how HTSM helps us see hidden risks, missing information, and new test ideas.
Abstract:
Ever joined a project and thought, “Where do I even start testing?”
In this interactive session, we’ll explore the Heuristic Test Strategy Model (HTSM) — a powerful mental map for thinking about testing and a way to find those questions you need to ask.
Together, we’ll test-storm a small app (the newly invented dog-walking service Walkify) and discover how HTSM helps us see hidden risks, missing information, and new test ideas.
Dr. Robert Feldt
Title: Testing for and with LLMs: Some Results, Challenges and a Look to the Future
Abstrakt:
Stora språkmodeller (Large Language Models, LLMs) håller snabbt på att bli inte bara verktyg för mjukvaruutveckling, utan även integrerade komponenter i de system vi bygger. Ändå saknar vi fortfarande en tydlig förståelse för hur man testar system som inkluderar, eller i hög grad drivs av, LLM:er. I det här föredraget kommer jag att dela med mig av nyligen gjorda framsteg både kring hur LLM:er kan användas för att stödja mjukvarutestning — inklusive i industriella sammanhang — och kring hur man testar system som inkorporerar eller styrs av LLM:er. Jag kommer även att belysa centrala utmaningar och ge en framtidsutsikt för hur området kan utvecklas. När det gäller LLM:er för testning beskriver jag hur autonoma, agentbaserade testverktyg börjar integreras i mjukvaruutvecklingspraktiken. Vi presenterar resultat där ett lättviktigt, LLM-baserat agentsystem överträffar dagens mest avancerade lösningar för automatiserad testning av Android-appar, och visar hur även enklare LLM-baserade metoder kan automatisera hela industriella testflöden från början till slut (t.ex. hos Volvo Trucks i Sverige). Jag placerar dessa resultat i en vision om samförstärkning, där LLM-baserade testverktyg interaktivt samarbetar och samtalar med ingenjörer för att lyfta fram testinsikter och driva iterativ förbättring. När det gäller testning av LLM:er lyfter vi fram centrala utmaningar och undersöker hur befintlig forskning inom mjukvarutestning kan anpassas till LLM:er och djupa neurala nätverk (DNNs) genom att skapa semantiska flödesgrafer, analoger till traditionella kontrollflödesgrafer. Vi visar också hur LLM:ernas interna tillstånd kan användas för att prioritera mer lovande testinmatningar.
Om Robert:
Robert Feldt är professor i programvaruteknik vid Chalmers tekniska högskola i Göteborg och deltid professor vid Mittuniversitetet i Östersund. Han är sedan 2017 en av chefredaktörerna för tidskriften Empirical Software Engineering (EMSE). Hans forskning fokuserar på programvarutestning, kravhantering, mänskliga och psykologiska faktorer samt agila utvecklingsmetoder. Feldt har varit en pionjär inom sökbaserad programvaruteknik och arbetar brett med att tillämpa AI och maskininlärning inom både mjukvaruutveckling och samhällsnyttiga områden som medicin och vård.
Abstrakt:
Stora språkmodeller (Large Language Models, LLMs) håller snabbt på att bli inte bara verktyg för mjukvaruutveckling, utan även integrerade komponenter i de system vi bygger. Ändå saknar vi fortfarande en tydlig förståelse för hur man testar system som inkluderar, eller i hög grad drivs av, LLM:er. I det här föredraget kommer jag att dela med mig av nyligen gjorda framsteg både kring hur LLM:er kan användas för att stödja mjukvarutestning — inklusive i industriella sammanhang — och kring hur man testar system som inkorporerar eller styrs av LLM:er. Jag kommer även att belysa centrala utmaningar och ge en framtidsutsikt för hur området kan utvecklas. När det gäller LLM:er för testning beskriver jag hur autonoma, agentbaserade testverktyg börjar integreras i mjukvaruutvecklingspraktiken. Vi presenterar resultat där ett lättviktigt, LLM-baserat agentsystem överträffar dagens mest avancerade lösningar för automatiserad testning av Android-appar, och visar hur även enklare LLM-baserade metoder kan automatisera hela industriella testflöden från början till slut (t.ex. hos Volvo Trucks i Sverige). Jag placerar dessa resultat i en vision om samförstärkning, där LLM-baserade testverktyg interaktivt samarbetar och samtalar med ingenjörer för att lyfta fram testinsikter och driva iterativ förbättring. När det gäller testning av LLM:er lyfter vi fram centrala utmaningar och undersöker hur befintlig forskning inom mjukvarutestning kan anpassas till LLM:er och djupa neurala nätverk (DNNs) genom att skapa semantiska flödesgrafer, analoger till traditionella kontrollflödesgrafer. Vi visar också hur LLM:ernas interna tillstånd kan användas för att prioritera mer lovande testinmatningar.
Om Robert:
Robert Feldt är professor i programvaruteknik vid Chalmers tekniska högskola i Göteborg och deltid professor vid Mittuniversitetet i Östersund. Han är sedan 2017 en av chefredaktörerna för tidskriften Empirical Software Engineering (EMSE). Hans forskning fokuserar på programvarutestning, kravhantering, mänskliga och psykologiska faktorer samt agila utvecklingsmetoder. Feldt har varit en pionjär inom sökbaserad programvaruteknik och arbetar brett med att tillämpa AI och maskininlärning inom både mjukvaruutveckling och samhällsnyttiga områden som medicin och vård.
Dr. Oleksandr Adamov
Title: LLM-powered Threat Modeling vs Security Testing
Abstract:
Stora språkmodeller (Large Language Models, LLMs) håller snabbt på att bli inte bara verktyg för mjukvaruutveckling, utan även integrerade komponenter i de system vi bygger. Ändå saknar vi fortfarande en tydlig förståelse för hur man testar system som inkluderar, eller i hög grad drivs av, LLM:er. I det här föredraget kommer jag att dela med mig av nyligen gjorda framsteg både kring hur LLM:er kan användas för att stödja mjukvarutestning — inklusive i industriella sammanhang — och kring hur man testar system som inkorporerar eller styrs av LLM:er. Jag kommer även att belysa centrala utmaningar och ge en framtidsutsikt för hur området kan utvecklas. När det gäller LLM:er för testning beskriver jag hur autonoma, agentbaserade testverktyg börjar integreras i mjukvaruutvecklingspraktiken. Vi presenterar resultat där ett lättviktigt, LLM-baserat agentsystem överträffar dagens mest avancerade lösningar för automatiserad testning av Android-appar, och visar hur även enklare LLM-baserade metoder kan automatisera hela industriella testflöden från början till slut (t.ex. hos Volvo Trucks i Sverige). Jag placerar dessa resultat i en vision om samförstärkning, där LLM-baserade testverktyg interaktivt samarbetar och samtalar med ingenjörer för att lyfta fram testinsikter och driva iterativ förbättring. När det gäller testning av LLM:er lyfter vi fram centrala utmaningar och undersöker hur befintlig forskning inom mjukvarutestning kan anpassas till LLM:er och djupa neurala nätverk (DNNs) genom att skapa semantiska flödesgrafer, analoger till traditionella kontrollflödesgrafer. Vi visar också hur LLM:ernas interna tillstånd kan användas för att prioritera mer lovande testinmatningar.
About Oleksandr:
Dr. Alexander (Oleksandr) Adamov is the Founder and CEO of NioGuard Security Lab, specializing in the application of AI to cybersecurity. With over two decades of experience in cyberattack analysis, he currently teaches at Blekinge Institute of Technology (BTH). He also serves as a member of the European Cybercrime Training and Education Group (ECTEG) and the Anti-Malware Testing Standards Organization (AMTSO). Dr. Adamov frequently speaks at international conferences, including Virus Bulletin, DeepSec, OWASP, and BSides.
Abstract:
Stora språkmodeller (Large Language Models, LLMs) håller snabbt på att bli inte bara verktyg för mjukvaruutveckling, utan även integrerade komponenter i de system vi bygger. Ändå saknar vi fortfarande en tydlig förståelse för hur man testar system som inkluderar, eller i hög grad drivs av, LLM:er. I det här föredraget kommer jag att dela med mig av nyligen gjorda framsteg både kring hur LLM:er kan användas för att stödja mjukvarutestning — inklusive i industriella sammanhang — och kring hur man testar system som inkorporerar eller styrs av LLM:er. Jag kommer även att belysa centrala utmaningar och ge en framtidsutsikt för hur området kan utvecklas. När det gäller LLM:er för testning beskriver jag hur autonoma, agentbaserade testverktyg börjar integreras i mjukvaruutvecklingspraktiken. Vi presenterar resultat där ett lättviktigt, LLM-baserat agentsystem överträffar dagens mest avancerade lösningar för automatiserad testning av Android-appar, och visar hur även enklare LLM-baserade metoder kan automatisera hela industriella testflöden från början till slut (t.ex. hos Volvo Trucks i Sverige). Jag placerar dessa resultat i en vision om samförstärkning, där LLM-baserade testverktyg interaktivt samarbetar och samtalar med ingenjörer för att lyfta fram testinsikter och driva iterativ förbättring. När det gäller testning av LLM:er lyfter vi fram centrala utmaningar och undersöker hur befintlig forskning inom mjukvarutestning kan anpassas till LLM:er och djupa neurala nätverk (DNNs) genom att skapa semantiska flödesgrafer, analoger till traditionella kontrollflödesgrafer. Vi visar också hur LLM:ernas interna tillstånd kan användas för att prioritera mer lovande testinmatningar.
About Oleksandr:
Dr. Alexander (Oleksandr) Adamov is the Founder and CEO of NioGuard Security Lab, specializing in the application of AI to cybersecurity. With over two decades of experience in cyberattack analysis, he currently teaches at Blekinge Institute of Technology (BTH). He also serves as a member of the European Cybercrime Training and Education Group (ECTEG) and the Anti-Malware Testing Standards Organization (AMTSO). Dr. Adamov frequently speaks at international conferences, including Virus Bulletin, DeepSec, OWASP, and BSides.
Dr. Hamid Ebadi
Title: Research at Infotiv, Contribute, Collaborate and Create.
Abstract:
Simulations are becoming increasingly essential in testing and validating complex AI/ML-based and autonomous systems. At the Infotiv Research group, one of our flagship simulation initiatives, SIMLAN, creates exciting opportunities to collaborate on developing and testing AI/ML technologies. SIMLAN is an open-source (Apache 2) simulation environment for monitoring, training, and testing systems that use multi-camera setups for monitoring, perception, localization and navigation. Inspired by Volvo's Generic Photogrammetry-based Sensor System (GPSS) and build on ROS2, SIMLAN provides a standard and powerful framework for experimenting such systems in a controlled simulated environment. In this presentation, Dr. Hamid Ebadi will explain how the SIMLAN framework enables early detection of software defects, reduces reliance on costly physical testing, and supports continuous integration and automated validation of autonomous systems. He will demonstrate SIMLAN’s current capabilities, discuss ongoing challenges, and share opportunities for community involvement. Beyond SIMLAN, he will also introduce other active research projects (SMILE, ARTWORK, Autonomous Platform) at Infotiv Research.
About Hamid:
Hamid Ebadi received his M.S. and Ph.D. from Chalmers University of Technology in Gothenburg. He currently leads Infotiv research projects as a Senior Research Engineer, bridging academic research and industrial applications with a focus on simulation platforms, machine learning, and robotics.
Abstract:
Simulations are becoming increasingly essential in testing and validating complex AI/ML-based and autonomous systems. At the Infotiv Research group, one of our flagship simulation initiatives, SIMLAN, creates exciting opportunities to collaborate on developing and testing AI/ML technologies. SIMLAN is an open-source (Apache 2) simulation environment for monitoring, training, and testing systems that use multi-camera setups for monitoring, perception, localization and navigation. Inspired by Volvo's Generic Photogrammetry-based Sensor System (GPSS) and build on ROS2, SIMLAN provides a standard and powerful framework for experimenting such systems in a controlled simulated environment. In this presentation, Dr. Hamid Ebadi will explain how the SIMLAN framework enables early detection of software defects, reduces reliance on costly physical testing, and supports continuous integration and automated validation of autonomous systems. He will demonstrate SIMLAN’s current capabilities, discuss ongoing challenges, and share opportunities for community involvement. Beyond SIMLAN, he will also introduce other active research projects (SMILE, ARTWORK, Autonomous Platform) at Infotiv Research.
About Hamid:
Hamid Ebadi received his M.S. and Ph.D. from Chalmers University of Technology in Gothenburg. He currently leads Infotiv research projects as a Senior Research Engineer, bridging academic research and industrial applications with a focus on simulation platforms, machine learning, and robotics.
Dr. Felix Dobslaw
Title: Challenges of testing LLM-based software systems
Abstract:
The talk will center around the challenges of building reliable software-systems that integrate Large Language Models (LLM). LLM's are enormously powerful, but integrating them into software systems actually increases the need for structural and continuous testing rather than simplifying quality assurance. Non-determinism and natural regressions are two of the factors that will be discussed together with potential solutions - also in relation to the available open source tools.
About Felix:
Felix is a software engineer and researcher who leads the software engineering and education (SEE) research group at mid sweden university. His main research interest is software quality assurance, in particular testing methodology and tooling. He has a soft spot for ice-cream.
Abstract:
The talk will center around the challenges of building reliable software-systems that integrate Large Language Models (LLM). LLM's are enormously powerful, but integrating them into software systems actually increases the need for structural and continuous testing rather than simplifying quality assurance. Non-determinism and natural regressions are two of the factors that will be discussed together with potential solutions - also in relation to the available open source tools.
About Felix:
Felix is a software engineer and researcher who leads the software engineering and education (SEE) research group at mid sweden university. His main research interest is software quality assurance, in particular testing methodology and tooling. He has a soft spot for ice-cream.
Diogo Franzosi
Title: Integrating LLMs into Scout for Automated GUI Testing
Abstract:
Scout is a tool for augmented GUI testing that records user interactions, detects issues, and repairs test cases. In this talk, I will present recent developments integrating Large Language Models (LLMs) into Scout to further automate GUI testing.
The integration enables Scout to reason about the context of the system under test (SUT), generate meaningful action sequences, and automatically interact with the SUT. It also improves test readability through automatic labeling and descriptive summaries.
This approach not only streamlines test creation but also enhances interpretability, paving the way for more intelligent and context-aware GUI testing systems.
Abstract:
Scout is a tool for augmented GUI testing that records user interactions, detects issues, and repairs test cases. In this talk, I will present recent developments integrating Large Language Models (LLMs) into Scout to further automate GUI testing.
The integration enables Scout to reason about the context of the system under test (SUT), generate meaningful action sequences, and automatically interact with the SUT. It also improves test readability through automatic labeling and descriptive summaries.
This approach not only streamlines test creation but also enhances interpretability, paving the way for more intelligent and context-aware GUI testing systems.
Håkan Sivencrona
Title: Software Safety Assurance of Continuously Evolving Automated Driving Systems
