Чем ИИ помогает тестировщику

Чем ИИ помогает тестировщику?

Самое главное, на что я бы обратил внимание, - автоматизация рутинных задач.

Для меня основная рутина в тестировании - это создание тест-кейсов и заведение багов.

Давайте чуть подробнее разберём.

Тест-кейс

Пришла новая фича.

Надо изучить → накидать матрицу покрытия → составить чек-лист.

А хочется уже начать тестировать: пройтись по основному пути, покликать, начать исследовательское тестирование. Но сначала надо написать тест-кейсы.

Допустим, фича небольшая. Накидали 16 тест-кейсов.

На создание одного артефакта уйдёт в среднем минут 10. И это я ещё, наверное, оптимистично считаю. Это если мы такие спринтеры, херачим без перерыва, и при этом тест-кейсы очень простые.

Сюда входит: продумать предусловия, шаги, тестовые данные, ожидаемый результат.

16 проверок × 10 минут = 160 минут.

И в реальности это время можно смело умножать минимум на 1.5.

То есть около 3 часов просто на то, чтобы зафиксировать артефакты в системе.

Баг 🐞

Частая история:

начал проходить тест-кейс → на 5-й минуте нашёл один-два бага → потратил ещё 20 минут, чтобы нормально оформить их в Jira.

Шаги, фактический результат, ожидаемый результат, окружение, скрины, видео, логи - всё как положено.

Как видит работу тестировщика проджект или тимлид, который не очень глубоко погружён в QA?

Примерно так:"Ну тестировщик же 80–90% времени сидит и тестирует приложение".А по факту у многих всё иначе.

Иногда значительная часть времени уходит не на само тестирование, а на ввод данных в Jira, TMS, Confluence и другие системы.

По сути тестировщик внезапно превращается в оператора ввода данных 😅

К чему это приводит?

К некорректной оценке трудозатрат на тестирование.

Часто начинающие тестировщики - и не только начинающие - когда их спрашивают, сколько нужно времени на тестирование фичи, считают только само тестирование.

Говорят: "пару часов".

Но не закладывают время на оформление тест-кейсов, фиксацию багов, обновление чек-листов, подготовку тестовых данных, QA summary и уточнения.

В итоге оценка была "пару часов", а тестирование растянулось на пару дней.

Ожидания и действительность сильно разнятся.

Бизнес думает, что тестировщик 80–90% времени именно тестирует, а рутина - это мелочь. Но на практике иногда значительная часть времени уходит на оформление, фиксацию и поддержку артефактов.

В некоторых командах доля такой рутины может быть неожиданно большой - вплоть до половины рабочего времени и больше.

Вернёмся к ИИ 🤖

Claude, ChatGPT/Codex и другие инструменты сейчас активно развивают плагины, коннекторы и MCP для взаимодействия с разными приложениями.

С Jira и Confluence интеграции уже давно не выглядят чем-то фантастическим. С TMS вроде Qase.io тоже можно выстраивать рабочие сценарии.

Раньше я делал так:

накидывал тест-кейсы в Notepad++ или Google Docs → просил ИИ сконвертировать результат в CSV → импортировал в Qase.io.

И это уже было сильно быстрее, чем руками изначально забивать всё в Qase.

А теперь сценарий может быть ещё интереснее.

ИИ может взять таску из Jira → накидать матрицу покрытия → оформить тест-кейсы в Qase.io → прилинковать Jira-таску к тест-кейсам → подготовить QA summary.

И пока ИИ всё это делает, тестировщик может заниматься тестированием.

А потом его задача - провалидировать результат: убедиться, что ничего не забыто, не упущены важные corner cases, и всё оформлено в соответствии с процессом команды.

Конечно, это всё не работает идеально из коробки.

Нужно отлаживать процесс, прописывать правила и ограничения для работы ИИ. Да, работу ИИ тоже нужно тестировать, пока не начнёте ей доверять.

Но главное не забывать:

ответственность за результат несёт человек 👫

а не Claude, ChatGPT или любой другой ИИ 🤖

ИИ - это не замена тестировщика. Это инструмент, который может снять часть рутины и вернуть время на главное: думать, исследовать и находить проблемы до пользователей.