BOOMS / AI QA Course LearningEUROBANK · BOOMS CONCEPT PROPOSAL · NOV 2026
01 / BOOMS APPROACH

From AI Usage to AI QA Work Frames

Οι περισσότεροι εργαζόμενοι — είτε junior είτε έμπειροι IT professionals — ήδη γνωρίζουν να χρησιμοποιούν AI. Η νέα πρόκληση είναι η μετάβαση από μεμονωμένες απαντήσεις σε επαληθεύσιμα workflows με παραδοτέα και, στη συνέχεια, σε οργανωμένα AI QA Work Frames.

01 / DEFINE

Understand

Σκοπός, όρια, απαιτήσεις, κριτήρια αποδοχής.

02 / ORCHESTRATE

Coordinate

Διακριτοί AI ρόλοι, ownership, κοινά artifacts.

03 / EXECUTE

Assist

AI-supported analysis, QA design και Codex-assisted automation.

04 / VALIDATE

Assure

Test evidence, defect lifecycle, review και ανθρώπινη έγκριση.

02 / VALUE

Από το άτομο στην ομάδα και στο QA Department

INDIVIDUAL

Repeatable quality

Ο Quality Analyst ή Engineer μετατρέπει μια εργασία σε ελεγχόμενα παραδοτέα.

TEAM

Collaborative work frames

Σαφείς ρόλοι, κοινές εκδόσεις απαιτήσεων, ανεξάρτητος έλεγχος.

MANAGEMENT

Visible progress

Ο QA Manager βλέπει status, defects, coverage, blockers και review evidence.

Μία κοινή γλώσσα εργασίας για Quality Analysis, Quality Engineering και Quality Assurance Management.
03 / QUALITY ASSURANCE

Quality Assurance: Analysis + Engineering + Governance

QUALITY ANALYST

What should be tested?

Requirement review, test conditions, scenarios, expected results, traceability, defect analysis.

QUALITY ENGINEER

How do we test it?

API/UI automation, test data, scripts, execution, CI-compatible evidence, regression suites.

QA LEAD / MANAGER

Are we ready?

Risk, coverage, priorities, defect triage, release evidence και αποφάσεις.

Το AI υποστηρίζει διαφορετικές ειδικότητες QA — δεν αντικαθιστά την κρίση ή την ευθύνη τους.
04 / PROJECT INITIATION

Από το πρώτο input στο οργανωμένο project

01 · INPUTΕισαγωγή προδιαγραφής
→
02 · SCOPEΌρια & ασάφειες
→
03 · PLANTasks & owners
→
04 · ROLESAI assignments
→
05 · REVIEWΈγκριση εκκίνησης

Τι παρέχει ο άνθρωπος

Σκοπό, περιγραφή εργασίας, αποδεκτά δεδομένα, αναμενόμενα παραδοτέα, προθεσμίες.

Τι προτείνει το AI

Δομή εργασιών, ερωτήσεις διευκρίνισης, draft plan και πρόταση ρόλων — προς έγκριση.

05 / WORK FRAME SETUP

Πώς ξεκινά ένα AI QA Work Frame

01 / Work requestΕισαγωγή προδιαγραφής ή QA στόχου
→
02 / ClarifyΑσάφειες, scope, risk, acceptance
→
03 / OrganizeWork items, owners, artifacts
→
04 / AssistAI roles, Codex όπου χρειάζεται
→
05 / ApproveHuman checkpoint και εκκίνηση

Ελάχιστο input

Τι θέλουμε να ελέγξουμε · ποια είναι τα αποδεκτά δεδομένα · τι παραδοτέα περιμένουμε.

Αρχικό output

QA work plan · λίστα διευκρινίσεων · ανάθεση ρόλων · κριτήρια ολοκλήρωσης.

06 / AI ROLES

Ο QA professional στο κέντρο ενός δικτύου AI συνεργατών

Ο άνθρωπος θέτει τον στόχο, ορίζει τις προτεραιότητες και εγκρίνει τα κρίσιμα αποτελέσματα. Οι εξειδικευμένοι AI βοηθοί υποστηρίζουν διαφορετικές δραστηριότητες QA και το Codex συνεισφέρει στην αυτοματοποίηση.

HUMAN-LED

QA Analyst / QA Engineer

Ανάλυση, κρίση, ownership, τελική έγκριση.

AI SUPPORT

AI - QA Assistance

Υποστήριξη στην κατανόηση απαιτήσεων και στην προετοιμασία QA εργασιών.

ENGINEERING

AI Test Design + Codex

Σενάρια, κάλυψη, automation tasks και επαναληπτικός έλεγχος.

Η συνεργασία δεν είναι υποχρεωτικά σειριακή: μπορεί να περιλαμβάνει επαναλήψεις, αναθεωρήσεις και ανταλλαγή αποτελεσμάτων. Η αυτόματη ανταλλαγή μεταξύ agents απαιτεί κατάλληλο orchestration και εγκεκριμένο περιβάλλον.
07 / COLLABORATIVE AI WORK FRAME

Μια ομάδα AI συνεργατών — με τον άνθρωπο στο κέντρο

Οι AI ρόλοι ανταλλάσσουν εργασίες και αποτελέσματα, ζητούν διευκρινίσεις και επιστρέφουν για επανέλεγχο. Ο QA professional παρεμβαίνει όταν απαιτείται απόφαση ή έγκριση.

◉QA PROFESSIONALΚατεύθυνση · κρίση · εγκρίσεις
✦AI - QA AssistanceQA ανάλυση · ερωτήματα
✦AI Test DesignerTest scenarios · coverage
✦AI ReviewerΈλεγχος · ανατροφοδότηση
⌘CodexAutomation · test execution
Κινούμενα σήματα = ανταλλαγή εργασιών / αποτελεσμάτων Ο άνθρωπος αποφασίζει στα checkpoints
Εννοιολογική απεικόνιση συνεργασίας. Στο βασικό course διδάσκουμε συντονισμό AI Agents και Codex με κοινά παραδοτέα και ελεγχόμενα handoffs. Η αυτόματη agent-to-agent επικοινωνία παρουσιάζεται ως δυνητική επέκταση με orchestration, δικαιώματα, logging και συμφωνημένα approval gates.
07 / COLLABORATION

Handoff = σαφές παραδοτέο, όχι απλώς ένα μήνυμα

ANALYZE

Requirements package

Approved scope · open questions · assumptions · acceptance criteria.

DESIGN

Test package

Scenarios · priority · expected behavior · coverage links.

BUILD

Automation package

Test tasks · repository references · run instructions · evidence.

REVIEW

Quality decision

Pass/fail · defects · impact · retest scope · approval.

Κάθε στάδιο έχει owner, έκδοση, είσοδο, έξοδο και κριτήριο αποδοχής. Η συνεργασία μπορεί να γίνει χωρίς ανεξέλεγκτη ανταλλαγή ολόκληρων συνομιλιών.
08 / CODEX ROLE

Codex: από το Test Design στην ελεγχόμενη αυτοματοποίηση

Test specificationApproved scenarios & expected results
→
Codex taskΠροτείνει / τροποποιεί test scripts
→
Test executionΕκτέλεση σε επιτρεπόμενο sandbox
→
EvidenceResults, logs, differences
→
Human reviewApprove, revise, rerun

Τι διδάσκεται

Task scoping, prompts, repository context, review αλλαγών, test execution και τεκμηρίωση.

Τι παραμένει ανθρώπινο

Αποδοχή test logic, αξιολόγηση ευρημάτων, merge/release decisions και risk ownership.

09 / TEAM MODEL

3 εργαζόμενοι στο ίδιο QA project

COMMON PROJECT · shared requirements / task board / repository
QA Engineer 1Functional testing
AI - QA Assistance
AI QA Helper
Codex workspace
QA Engineer 2API automation
AI - QA Assistance
AI QA Helper
Codex workspace
QA Engineer 3Regression & review
AI - QA Assistance
AI QA Helper
Codex workspace

Οι AI βοηθοί + Codex υποστηρίζουν τους QA Analysts και QA Engineers. Η ανάλυση των αρχικών inputs, η έγκριση του τελικού σχεδιασμού, ο πλήρης έλεγχος και οι απαραίτητες εγκρίσεις παραμένουν στους ανθρώπους.

10 / TEAM SAFETY

Πώς αποφεύγουμε χάος και συγκρούσεις

OWNERSHIP

Ένα task — ένας owner

Ο κάθε εργαζόμενος εγκρίνει τα δικά του παραδοτέα.

CONTEXT

Κοινή πηγή αλήθειας

Approved requirements, task board και repository — όχι αντιγραφή ολόκληρων chats.

CODE

Απομονωμένες αλλαγές

Branches / pull requests, review πριν από merge.

CONTROL

Review gates

Απαγόρευση ανεξέλεγκτων αλλαγών σε κοινό περιβάλλον.

11 / MULTI TEAM

Προϊστάμενος · 3–4 ομάδες

QA MANAGER · weekly quality & delivery review
Team 1Functional QA
Tasks: tracked
Reviews: tracked
Risks: review
Team 2API QA
Tasks: tracked
Reviews: tracked
Risks: review
Team 3Regression
Tasks: tracked
Reviews: tracked
Risks: review
Team 4Automation
Tasks: tracked
Reviews: tracked
Risks: review
Η εποπτεία μπορεί να βασίζεται σε δεδομένα από εγκεκριμένα εργαλεία διαχείρισης εργασιών και testing. Εφόσον ζητηθεί, η BOOMS διαθέτει τεχνογνωσία για τη μελέτη και ανάπτυξη εξειδικευμένου AI-enabled Work & Project Monitoring Tool, με συμφωνημένες απαιτήσεις, διασυνδέσεις, δικαιώματα και πλαίσιο ασφάλειας.
12 / INTERACTIVE

Επίλεξε το επιθυμητό επίπεδο

13 / LEARNING EXPERIENCE

Αυτοματοποιημένο περιεχόμενο · ανθρώπινη καθοδήγηση

LearnInteractive concepts
→
ExploreGeneric animated flow
→
PracticeGuided exercises
→
ReflectKnowledge checks
→
CoachInstructor feedback
Η εκπαίδευση συνδυάζει διαδραστική παρουσίαση, καθοδηγούμενες ασκήσεις και αξιολόγηση των παραδοτέων από τον εισηγητή, με σαφή κριτήρια ανά επίπεδο.
ΕΚΠΑΙΔΕΥΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ

Three learning paths · one QA-oriented methodology

COURSE 01

AI Βασικό πρόγραμμα

8h / 4 sessions

AI literacy, structured prompting, productivity και responsible use.

COURSE 02

Προχωρημένο πρόγραμμα AI Work Frames

24h / 12 sessions

Περιλαμβάνει Βασικό πρόγραμμα. Projects, context, specialized assistants, Codex, collaboration.

COURSE 03

Προχωρημένο πρόγραμμα AI for QA

32h / 16 sessions

Περιλαμβάνει Προχωρημένο πρόγραμμα. Quality Analysis, Quality Engineering, defect lifecycle και QA orchestration.

Κάθε session: 2 ώρες · guided explanation · interactive learning · applied exercises · instructor coaching.
ΠΡΟΓΡΑΜΜΑ 01 / ΒΑΣΙΚΗ ΕΚΠΑΙΔΕΥΣΗ

8 ώρες · 4 sessions

SESSION 1

AI fundamentals

Capabilities, limitations, verification και ορθές προσδοκίες.

SESSION 2

Structured prompting

Objective, context, constraints, output formats και επαναχρησιμοποιήσιμες οδηγίες.

SESSION 3

Professional productivity

Documents, summaries, analysis, structured deliverables.

SESSION 4

Responsible AI

Data handling, review, confidentiality, safe workflow decisions.

Learning outcome: ο συμμετέχων παράγει ένα ελεγχόμενο, επαναλήψιμο AI-assisted παραδοτέο.
ΠΡΟΓΡΑΜΜΑ 02 / ΠΡΟΧΩΡΗΜΕΝΗ ΕΚΠΑΙΔΕΥΣΗ

24 ώρες · 12 sessions συνολικά

Περιλαμβάνει το βασικό πρόγραμμα (8 ώρες) και 8 επιπλέον δίωρες συναντήσεις (16 ώρες).

05–06

Σύνθετες οδηγίες & οργάνωση έργου

Ανάλυση εργασιών, πλαίσιο έργου, κοινή γνώση και διαχείριση εκδόσεων παραδοτέων.

07–08

Δεδομένα & εξειδικευμένοι AI βοηθοί

Δομημένη ανάλυση, ανάθεση δραστηριοτήτων και σαφή όρια ευθύνης των AI ρόλων.

09–10

Συνεργασία AI ρόλων & Codex

AI QA Work Frames, ελεγχόμενη ανταλλαγή παραδοτέων και εργασίες Codex σε εκπαιδευτικό repository.

11–12

Συντονισμός, έλεγχος & τελική άσκηση

Σημεία ελέγχου, επαναχρησιμοποιήσιμες διαδικασίες και συνδυαστική εκπαιδευτική άσκηση.

Μαθησιακό αποτέλεσμα: οργάνωση πολλαπλών AI δραστηριοτήτων σε ένα ελεγχόμενο AI Work Frame, με ανθρώπινη επίβλεψη.
ΠΡΟΓΡΑΜΜΑ 03 / ΕΞΕΙΔΙΚΕΥΣΗ ΣΤΟ QUALITY ASSURANCE

32 ώρες · 16 sessions συνολικά

Περιλαμβάνει το προχωρημένο πρόγραμμα (24 ώρες) και 4 επιπλέον δίωρες συναντήσεις ειδικά για QA (8 ώρες).

13 / QUALITY ANALYSIS

Από τις απαιτήσεις στον σχεδιασμό δοκιμών

Ασάφειες, συνθήκες ελέγχου, οριακές περιπτώσεις και ιχνηλασιμότητα.

14 / QUALITY ENGINEERING

Υποβοηθούμενη αυτοματοποίηση με Codex

Σενάρια ελέγχου, δεδομένα δοκιμών, εκτέλεση και ανασκόπηση αλλαγών.

15 / DEFECT & REGRESSION

Διαχείριση ευρημάτων & επανέλεγχος

Αξιολόγηση defects, επιβεβαίωση διορθώσεων, ανάλυση επιπτώσεων και regression.

16 / WORK FRAME

Συντονισμός ομάδας QA

Αρμοδιότητες, ανταλλαγή παραδοτέων, τεκμήρια και σημεία τελικής έγκρισης.

Μαθησιακό αποτέλεσμα: εφαρμογή AI Work Frames σε Quality Analysis και Quality Engineering, με σαφή ανθρώπινη ευθύνη.
QA LIFECYCLE / CONTROLLED LOOPS

Defect found? Το workflow δεν προχωρά πάντα ευθύγραμμα.

Plan & designCoverage & risks
→
ExecuteTest results
→
Defect / changeTriage & impact
→
Fix & confirmRetest failed case
→
RegressionSelected or wider suite
LOCAL LOOP

Limited impact

Confirmation test + στοχευμένο regression · επιστροφή στο τρέχον milestone.

WIDER LOOP

Cross-component impact

Επανεκτέλεση από σχετικό integration milestone ή ευρύτερη test suite.

FULL LOOP

Critical/systemic risk

Ενδέχεται να απαιτηθεί πλήρης regression suite ή επαναξιολόγηση test plan.

Το εύρος επανελέγχου καθορίζεται από impact analysis, εξαρτήσεις, risk και release criteria — όχι από έναν απόλυτο κανόνα.
ΑΣΦΑΛΕΙΑ / ΕΛΕΓΧΟΙ ΣΤΟ ΠΛΑΙΣΙΟ QA

Security-aware QA: έλεγχοι ποιότητας με επίγνωση ασφάλειας

IN-COURSE / FEASIBLE

Βασικοί έλεγχοι ασφάλειας στο QA

Έλεγχοι ορθής πρόσβασης, διαχείρισης σφαλμάτων, επικύρωσης εισόδου και αρνητικών σεναρίων σε εγκεκριμένα εκπαιδευτικά δεδομένα.

GUIDED CONCEPT

Υποβοηθούμενος σχεδιασμός ελέγχων

Το AI βοηθά στη σύνταξη ερωτήσεων, test cases και checklists· ο QA επαληθεύει την καταλληλότητά τους.

SEPARATE SPECIALIST SCOPE

Εξειδικευμένες δοκιμές διείσδυσης

Αποτελούν διαφορετικό αντικείμενο από το παρόν course και προϋποθέτουν χωριστή ανάθεση, εξειδικευμένη ομάδα, γραπτή εξουσιοδότηση και συμφωνημένο εύρος.

Το πρόγραμμα εστιάζει σε ασφαλείς πρακτικές Quality Assurance. Δεν περιλαμβάνει εκτέλεση penetration tests, vulnerability scanning ή ενεργών δοκιμών σε υποδομές της Eurobank.
15 / LEARNING EXPERIENCE

Πώς οργανώνεται η εκπαιδευτική εμπειρία

PREPARATION

Εκπαιδευτικό υλικό

Συνοπτική θεωρία, δομημένα templates, οδηγοί εφαρμογής και σαφείς στόχοι ανά ενότητα.

LEARNING

Καθοδηγούμενη εκπαίδευση

Διαδραστικό περιεχόμενο, εισηγητής, συζήτηση και στοχευμένες ερωτήσεις.

APPLICATION

Ελεγχόμενη εξάσκηση

Προετοιμασμένες ασκήσεις με συνθετικά δεδομένα και καθορισμένα κριτήρια αξιολόγησης.

CONTINUITY

Υλικό αναφοράς

Επαναχρησιμοποιήσιμα work frames, checklists και προαιρετική υποστήριξη υιοθέτησης.

Συνδυασμός θεωρίας, οπτικοποιημένων διαδικασιών και καθοδηγούμενης εφαρμογής, με σαφή μαθησιακά αποτελέσματα.
16 / LEARNING OUTCOMES & EVALUATION

Πώς αξιολογείται η πρόοδος των συμμετεχόντων

KNOWLEDGE

Κατανόηση

Σύντομες ερωτήσεις κατανόησης για AI ρόλους, QA workflows και ασφαλή χρήση.

APPLICATION

Εφαρμογή

Ολοκλήρωση δομημένης άσκησης με σαφές input, αναμενόμενο παραδοτέο και έλεγχο ποιότητας.

READINESS

Ετοιμότητα

Αξιολόγηση παραδοτέων βάσει κριτηρίων, feedback και προτεινόμενα επόμενα βήματα.

Προαιρετικά, μπορεί να συμφωνηθεί ξεχωριστό pilot για αξιολόγηση εφαρμογής στην καθημερινή εργασία, με κοινά καθορισμένους δείκτες.

QUALITY ASSURANCE / ΜΕΘΟΔΟΛΟΓΙΚΕΣ ΑΡΧΕΣ

Συστηματική προσέγγιση στην ποιότητα και στον έλεγχο

ΔΟΜΗΜΕΝΟΣ ΕΛΕΓΧΟΣ

Σχεδιασμός και κύκλος ζωής δοκιμών

Ανάλυση απαιτήσεων, test design, διαχείριση defects, επιβεβαίωση διορθώσεων και risk-based regression.

ΑΣΦΑΛΗΣ ΠΡΑΚΤΙΚΗ

Έλεγχοι ασφάλειας εντός QA

Προστασία δεδομένων, κατάλληλα δικαιώματα, έλεγχος αποτελεσμάτων και χρήση εγκεκριμένων περιβαλλόντων.

Η BOOMS αξιοποιεί καθιερωμένες αρχές της πρακτικής Quality Assurance και τις προσαρμόζει σε AI-assisted workflows. Το πρόγραμμα δεν προϋποθέτει ούτε απονέμει εξωτερική επαγγελματική πιστοποίηση.
17 / FINAL · OPTIONAL

Future Enterprise Services — μόνο με προϋποθέσεις

POTENTIAL

Autonomous agent-to-agent handoffs

Απαιτεί αρχιτεκτονική, orchestration, logging, monitoring και approvals.

POTENTIAL

Centralized multi-agent platform

Απαιτεί ανάπτυξη, λειτουργική υποστήριξη, έλεγχο κόστους και ασφάλειας.

POTENTIAL

Computer use in bank environments

Απαιτεί ρητή έγκριση, sandbox, περιορισμένα δικαιώματα και audit.

POTENTIAL

Unified real-time management cockpit

Απαιτεί integrations, δικαιώματα πρόσβασης και αξιόπιστες πηγές δεδομένων.

Προϋποθέσεις Eurobank

Business sponsor, εγκεκριμένα εργαλεία, security/privacy review, test environments, data owners και budget.

Προϋποθέσεις BOOMS

Τεχνική μελέτη, κατάλληλη ομάδα, proof of concept, SLA, governance, τεκμηρίωση και υποστήριξη.

Οι υπηρεσίες αυτές δεν περιλαμβάνονται στο βασικό training και δεν παρουσιάζονται ως έτοιμα προϊόντα.