ИИ уже умеет генерировать тесты, разбирать легаси-код и помогать с автоматизацией QA. Но без правил и контроля он так же уверенно создает бесполезные проверки. Поэтому главный вопрос сегодня — не «можно ли применять ИИ в тестировании», а «как встроить его в процесс, чтобы качество действительно росло».

Модераторы INFOSTART TECH EVENT 2026 обсудили, где ИИ уже помогает тестировщикам, зачем растущим командам матрицы компетенций и почему качество продукта давно перестало быть зоной ответственности только QA.

ИИ дошел до тестирования

В разработке генеративные модели уже используют для написания и анализа кода. Теперь похожие сценарии появляются и в тестировании: ИИ помогает готовить юнит-тесты, разбирать сложные унаследованные системы и автоматизировать повторяющиеся операции.

Однако само наличие модели еще не гарантирует полезный результат. ИИ необходимо задавать контекст, правила и ограничения. Иначе вместо осмысленного набора проверок можно получить формально корректную, но бесполезную конструкцию.

Особенно заметна эта проблема при генерации юнит-тестов. Модель способна быстро подготовить основу, но не всегда понимает бизнес-логику, критичность отдельных сценариев и реальные риски системы. Поэтому специалисту приходится проверять не только код, но и то, что именно проверяет созданный тест.

В программе секции QA этой теме посвящены, в частности, доклады:

• «AI-assisted testing для легаси-систем: стратегии, промпты, ограничения и практические подходы»;

• «Как заставить ИИ писать полезные unit-тесты для 1С, а не уверенную ерунду».

Автоматизация начинается не с ИИ

Не вся рутина тестировщика требует нейросетей. Значительную часть повторяющихся операций можно сократить с помощью уже существующих инструментов: автотестов, шаблонов, чек-листов и правильно выстроенных процессов.

Один из практических сценариев — сочетание Vanessa Automation и ИИ при дымовом тестировании. Автоматизация берет на себя выполнение стабильных проверок, а модель может помогать с подготовкой сценариев и анализом результатов.

При этом ценность инструмента определяется не его технологической новизной, а возможностью встроить его в ежедневную работу. Поэтому особенно полезны материалы, после которых остаются не только идеи, но и готовые артефакты: репозитории, шаблоны, инструкции и проверочные списки.

Качество — задача всей команды

Граница между тестированием, разработкой и аналитикой становится все менее заметной.

Разработчик отвечает за тестируемость кода и юнит-тесты. Аналитик — за однозначность требований. QA-инженер — за стратегию проверок и оценку рисков. Руководитель — за процессы и взаимодействие специалистов.

Даже хорошо настроенная автоматизация не исправит ситуацию, если участники команды по-разному понимают требования или слишком поздно обсуждают ограничения решения. Поэтому в QA все больше внимания уделяют коммуникации, обратной связи и совместной работе над качеством продукта.

Зачем команде матрица компетенций

Когда в компании работает один тестировщик, его развитие можно обсуждать индивидуально. С ростом команды возникает потребность в более прозрачной системе:

• какие знания и навыки нужны на каждой позиции;

• чем инженер отличается от старшего инженера;

• какие компетенции уже сформированы;

• что необходимо освоить для перехода на следующий уровень;

• какие навыки действительно нужны конкретной компании.

Матрица помогает специалисту видеть направление развития, а руководителю — обсуждать рост сотрудника на основе понятных критериев.

Но просто скопировать чужую модель недостаточно. В разных компаниях одинаковые должности могут означать разные задачи, уровень самостоятельности и зоны ответственности. Готовую матрицу стоит рассматривать как основу, которую необходимо адаптировать под продукты, процессы и структуру своей команды.

При разработке модели можно опираться не только на опыт других организаций, но и на профессиональные стандарты и ГОСТы. Они не заменят внутреннюю работу, но помогут проверить полноту требований и не собирать систему компетенций с нуля.

Что меняется в работе QA

Из обсуждения можно выделить несколько практических выводов.

1. ИИ становится рабочим инструментом тестировщика, но требует ограничений и экспертной проверки.

2. Генерация тестов не отменяет понимания бизнес-логики и рисков продукта.

3. Автоматизация полезна там, где она сокращает повторяющуюся работу и оставляет специалисту задачи, требующие анализа.

4. Качество зависит не от отдельного отдела, а от взаимодействия разработки, аналитики, QA и руководителей.

5. Матрицу компетенций нельзя без изменений переносить из другой компании — ее необходимо связывать с реальными задачами команды.

Эти темы модераторы и участники продолжат разбирать на INFOSTART TECH EVENT 2026, который пройдет 8–10 октября в Санкт-Петербурге.