AI для ручных тестировщиков: что он реально автоматизирует

В этом году каждая QA-рассылка обещала, что AI заменит ручное тестирование. Последний год я тестировал travel-платформы бронирования, почти каждый день пользуюсь Claude и ChatGPT, и ручное тестирование по-прежнему занимает большую часть работы. Оба утверждения верны одновременно, и полезные детали находятся именно в этом разрыве.

Ниже: что AI действительно изменил в моём дне, чего он не коснулся, и четыре сценария отказа, за которыми я теперь слежу. Ни один производитель инструментов этого не писал.

Где AI реально экономит время

1. Черновик тест-кейсов из требования

Самый сильный сценарий. Вставляете критерий приёмки, просите позитивные, негативные и граничные кейсы, и получаете черновик за секунды вместо двадцати минут. Черновик редко бывает полным, но это гораздо лучше пустой страницы.

Что получается хорошо: механическое покрытие. Пустое поле, максимальная длина, недопустимые символы, неверный тип данных, истёкший токен. Те очевидные кейсы, которые вы всё равно написали бы, но наспех в пятницу вечером.

Что остаётся на вас: решить, какие кейсы важны. AI не знает, что в сценарии бронирования граничный случай с часовым поясом стоит в десять раз дороже ещё одной проверки обязательного поля.

2. Из сырых заметок в читаемый баг-репорт

Исследовательское тестирование оставляет обрывки. Половина фразы, скриншот, шаг, который вы почти помните. Скормить эти обрывки и попросить структурированный отчёт с шагами воспроизведения, ожидаемым и фактическим результатом, экономит реальное время и делает отчёт пригодным для разработчика.

Правило, которого я держусь: AI форматирует отчёт, каждый шаг проверяю я. Уверенно написанный, но неверный шаг воспроизведения съедает у разработчика полдня и обходится дороже сэкономленных десяти минут.

3. Разобрать чужой ответ API

Когда из Postman приходит вложенная структура и код ошибки, который никто не задокументировал, описать это модели быстрее, чем искать спецификацию. Она хорошо объясняет, что примерно означает payload и какое поле, скорее всего, и есть проблема.

А вот сказать, корректно ли это поведение, она не может. Для этого нужно знать, чего ожидает бизнес.

4. Генерация тестовых данных

Правдоподобные имена, адреса, граничные строки, юникод, ломающий валидацию форм, даты в неудобных форматах. Это по-настоящему нудная работа, и AI забирает почти всю её.

Четыре места, где он подводит

1. Он не знает ваш продукт

AI генерирует кейсы для абстрактной формы бронирования, а не для вашей. Он не знает правила, по которому возврат закрывается за 24 часа до вылета, или что конкретный поставщик отдаёт цены в другой валюте. Именно такие баги стоят денег, и они невидимы для модели, которая никогда не видела ваших требований.

2. Уверенный неверный ответ в худший момент

Спросите, дефект ли это, и AI ответит решительно в любую сторону. В QA уверенное «так и задумано» хуже отсутствия ответа, потому что закрывает расследование, которое стоило продолжить. Решение я ему не отдаю. Он только помогает описать решение, которое принял я.

3. Покрытие, которое выглядит полным и таковым не является

Тридцать сгенерированных кейсов создают ощущение хорошего покрытия. Читаешь их и находишь пятнадцать вариаций одной и той же валидации ввода и ничего про состояние. Что происходит, когда сессия истекает посреди сценария, когда пользователь открыл две вкладки, когда оплата прошла, а колбэк упал. Дорогие баги живут в состоянии и во времени, и именно это сгенерированные кейсы пропускают.

4. Он размывает тот навык, который заменяет

Это медленная проблема. Дизайн тестов, это навык мышления, а навыки мышления слабеют без практики. Одну привычку я держу намеренно: первый проход по дизайну тестов для всего критичного я пишу сам. AI смотрит после и часто что-то ловит. Порядок важен. В обратную сторону вы редактируете чужие идеи вместо того, чтобы иметь свои.

Как я это использую, по порядку

• Читаю требование и сначала пишу свой список рисков: что навредит сильнее всего, если сломается.
• Прошу у AI кейсы по тому же требованию.
• Сравниваю. Его список закрывает мои механические пробелы, мой список закрывает всё, чего он знать не мог.
• Финальный набор собираю из обоих.
• Тестовые данные, формат отчётов и незнакомые ответы API отдаю AI на всём протяжении.
• Никогда не позволяю ему решать, дефект это или нет.

Заменяет ли AI ручных тестировщиков?

В моей работе нет. Он сжимает механическую половину: записать, оформить, сгенерировать данные. Это реально и это ценно. Половина, которой он не касается, это решить, что стоит тестировать, заметить, что что-то не так, ещё до того как сможешь объяснить почему, и отвечать за ответ.

Тяжело придётся тем тестировщикам, чья ценность была в механической половине. Хорошо будет тем, кто потратит освободившееся время на более глубокое тестирование. Интересной всегда была именно эта половина.

По теме

Что ломается, когда код пишет сам AI: риски vibe coding. AI на стороне дизайна: AI в UX/UI дизайне. Или чем я занимаюсь.

Другие записи