Seletores quebrados são uma das principais causas de instabilidade em suítes de testes de UI. Mudanças sutis na interface, como a alteração de um atributo ou a reorganização de um componente, podem fazer com que testes falhem, mesmo sem impacto para o usuário final. Isso gera retrabalho, aumenta o custo de manutenção e mina a confiança nos testes automatizados.

Essas falhas comprometem diretamente o fluxo de CI/CD, atrasando entregas, aumentando o tempo de análise de erros e dificultando a identificação do que realmente precisa de atenção. Garantir que a automação seja resiliente é essencial para manter pipelines ágeis e eficientes.

Nesta palestra, apresento um sistema de self-healing para testes de UI com machine learning, desenvolvido para enfrentar esses desafios. A solução identifica falhas causadas por seletores desatualizados e age automaticamente para recuperar os testes e manter o fluxo do CI/CD sem interrupções desnecessárias.

Se você quer tornar sua automação mais inteligente e preparada para aplicações em constante evolução, essa palestra é para você.