The world is changing rapidly, and the IT industry is changing faster than ever. Software is delivered at unprecedented speed, which forces the quality engineering and testing discipline to evolve along with it. Still some people see testing as something you do at the very end of development, hoping to “test quality into†a finished system. Quality engineering takes a fundamentally different view. Quality must be built in from the very beginning. This idea has long been known as the shift-left movement. But what happens when AI tools build our IT systems? If AI does everything, is shift left still relevant? One thing is certain: code can now be produced up to ten times faster than before. Testing must keep up with that acceleration. We do that by implementing quality engineering properly, and by using AI ourselves to assess and understand the quality of modern IT systems. In this keynote, Rik will encourage you to reflect on how your role in IT delivery is changing and to take concrete steps to remain effective and impactful in a rapidly evolving landscape.

HUGIN spor 1 - Prosess

SLEIPNER spor 2 - Teknisk

MUNIN spor 3 - AI & QA????

Mer info kommer

Cécile Moroni, en fransk-norsk komiker og foredragsholder, deler sine erfaringer fra å flytte fra Frankrike til Norge. I foredraget "Brunost og Champagne" utforsker hun norsk arbeidskultur med humor og innsikt, og tar for seg temaer som vaffelfredag, julebord og likestilling. Foredraget passer både for norske og internasjonale bedrifter, og kan holdes på norsk, engelsk eller fransk.

I en ideell verden hadde vi alle jobbet med systemer med solid testarkitektur der alt testes på riktig nivå. I virkeligheten er det mange av oss som ikke sitter på slike løsninger. Å bygge alt på nytt er lite bærekraftig. Hvordan havner vi i en sånn situasjon og hvordan kan vi bruke moderne testrammeverk for raskt å få på plass de testene vi trenger?

This session shows how small UX defects can accumulate into usability debt. Using a real public sector case study, it demonstrates how exploratory UX testing uncovers hidden quality risks, increases user trust, reduces support costs, and helps teams treat UX issues as measurable and actionable quality concerns.

This session takes a step back and looks at what it really means to be a software tester in a world where technology can shape societies and impact real lives. We often like to think of ourselves as the heroes who protect users and prevent disasters, but when it comes to AI, surveillance, or military systems, things aren’t always that simple. Testers are often the last ones who can still question risks and challenge decisions before software goes live. The talk invites honest self-reflection: is it enough to just follow requirements, or do we carry a deeper responsibility for the consequences of what we help release?

Etter flere års erfaring i IT-bransjen vet vi at ikke alle eventyr ender med “…og de levde lykkelig alle sine dager”. Noen ganger er prinsen blitt ond, dragen har tatt prosjektlederen, og kartet over kravene er tegnet med usynlig blekk.

I dette foredraget deler vi tre ulike deler av test- og utviklingsverdens historier, erfaringer og praktiske råd fra prosjekter der:

samarbeidet ikke eksisterte

kravene var uklare eller helt fraværende,

ledelsen ikke ledet,

og du kanskje til og med ikke var ønsket med på laget.

Hvordan sikrer man kvalitet i et prosjekt der rammene er alt annet enn ideelle? Hvordan kan man fortsatt bidra, bevare faglig stolthet, ikke gå på veggen og kanskje til og med snu stemningen?

Gjennom ekte erfaringer, litt selvironi og konkrete tips viser vi hvordan du kan håndtere krevende situasjoner, bygge tillit og finne læring i kaoset.

I dette foredraget viser jeg hvordan man kan bygge en reproduserbar benchmark for å teste og trene AI‑modeller ved hjelp av kravspesifikasjoner og automatiserte tester, med WCAG 2.2 som et konkret eksempel. Benchmarken gir et sammenlignbart grunnlag for å evaluere kvalitet, stabilitet og forbedringsevne på tvers av modeller og tekniske oppsett. Metoden kan generaliseres til å teste AI‑modeller på andre oppgaver der kvalitet kan defineres gjennom målbare krav og verifiserbar output. Samtidig demonstreres hvordan hyppig og rimelig automatisk testing for f.eks. WCAG 2.2 fungerer som et sikkerhetsnett som hindrer feil i å bli liggende i produksjon over tid og frigjør tid til manuell testing.

Using AI to modernize software testing—from Jira-based test design to automated reporting and smarter API regression. Participants will see how OpenAPI specifications turn into executable Robot tests with automatic coverage dashboards and pipeline agents that monitor runs, predict failures, and re-run flaky tests. The session also covers practical web automation with Playwright (prompt-to-script and recording-based) and native mobile application automation. Agentic testing using Claude code and browserUse. The session also includes Skills development for relevant modules using Cluade.

Fra manuelle testskript til automatisering til AI — verktøyene har endret seg, men aldri behovet for menneskelig intuisjon og dømmekraft. I dette foredraget deler jeg min personlige reise gjennom en identitetskrise i QA, oppdagelsen av «vibe testing» med ChatGPT, og utviklingen videre gjennom LLM-er, MCP-servere og AI-agenter. Du får høre hva som faktisk fungerte, hva som feilet, og hvorfor fremtidens tester — Super Testeren — ikke er en som koder bedre, men en som tenker bredere.

As AI agents increasingly write, test, and deploy software, Quality Assurance must move beyond verifying technical correctness. This session explores how AI-driven testing can validate logic, flows, and performance, while Human Testers assess user experience, business value, trust, and intent. Using a model built around Definers, Builders, Chaos Coordinators™, and Human Testers, we show how humans and AI can complement each other throughout development. The core question is no longer only whether the system works, but whether we have built the right system for the right problem.

Programvaresystemer er bare så pålitelige som dataene de bygger på. Dette foredraget utforsker hvorfor datakvalitet bør betraktes som en integrert del av programvarekvalitet, og hvordan mangelfulle data kan svekke analyser, maskinlæringsmodeller og beslutningsstøtte. Gjennom praktiske eksempler fra virkelige data science-prosjekter presenteres erfaringer og konkrete tilnærminger for å utvikle mer pålitelige datadrevne systemer. 

Testere er ofte kvalitetens detektiver: de må finne sporene, forstå konteksten og oppdage hullene før feilene får konsekvenser. Hos Statnett brukes KI-agenten Luma til å gjøre deler av dette detektivarbeidet raskere ved å hente frem relevant dokumentasjon, utfordre krav og støtte testdesign på tvers av Jira og Confluence. Dette foredraget handler om hva som faktisk endrer seg i testhverdagen når agenten blir en sparringspartner: hva fungerer, hva feiler, og hvilke nye ferdigheter blir viktige for testere?

Hva skjer når mer enn én million brukere treffer systemet samtidig – akkurat idet en mesterskapsfinale starter?

Dette foredraget tar for seg realiteten bak ytelsestesting i systemer med høy risiko og ekstreme trafikk-topper.

Vi deler hvordan vi forbereder oss på høy belastning, hva vi faktisk klarer å simulere – og hvor usikkerheten ligger.

Foredraget gir et praktisk innblikk i hvordan man jobber med kvalitet under ekstreme forhold.

Ummear Khan

Manglende forståelse for betydningen av gode testdata øker risikoen for at testene våre gir misvisende resultater. Dårlige testdata fører til dårlige tester – og i verste fall systemer fulle av feil som ikke oppdages før systemet er i produksjon. Dette foredraget vil handle om hva vi som testere og testledere kan bidra med for å øke kvaliteten på testdata. Alle har vel fått med seg at KI er i vinden - og vi spør oss selv: kan KI gjøre oss bedre med tanke på testdatagenerering, eller vil vi bare bli mer forvirret? 

Hvordan optimaliserer vi verdikjedene våre med fokus på kvalitet?

Hva gjør vi for å sikre et samlet fokus på test?

Hvem skal teste i dagens ai-landskap?