О чём вебинар
ИИ уже сегодня берёт на себя значительную часть работы тестировщика: от генерации тест-кейсов до написания автотестов и настройки инфраструктуры. Разберём, что реально можно отдать ИИ прямо сейчас, где остаётся зона экспертизы человека, и сколько это стоит.
Будущее тестирования ПО с использованием ИИ уже наступило. Но есть нюансы, и их важно понимать, чтобы использовать ИИ по-настоящему эффективно.
На вебинаре разберём, как Agentic AI меняет повседневную работу QA-специалиста. Создание тестовых артефактов — чек-листов, тест-кейсов, тест-планов — сегодня можно практически полностью отдать ИИ.
Однако при риск-ориентированном тестировании покрытие, которое предлагает ИИ, строится на техниках тест-дизайна и общих практиках, тогда как выбор реально приоритетных кейсов часто определяется знанием специфики системы и её истории — и здесь роль человека остаётся ключевой.
Отдельно поговорим про автотесты. Создавать их сегодня легко как никогда — необязательно быть экспертом в конкретном языке программирования, фреймворке или инструменте. Переключаться между языками стало просто, а переписать существующий автотест-фреймворк под другой стек технологий можно за день-два.
Специалист по тестированию ПО постепенно превращается в дирижёра, в распоряжении которого практически безграничный ресурс, ограниченный по сути лишь стоимостью токенов, потребляемых ИИ. Поэтому в разговоре об использовании ИИ, особенно Agentic AI, важно обсуждать стоимость выполнения единицы работы и то, как её отслеживать с помощью логирования (например, Langfuse и аналогичные инструменты).
Затронем и инфраструктурные задачи: конфигурирование пайплайнов, настройку окружений, параллелизацию. Для этого больше не требуется специальных знаний — начать можно с нуля. На примерах разберём, как мы автоматизировали часть рутинных процессов с помощью ИИ, включая агрегацию данных из разрозненных источников — Jira, TestRail, Azure, Git, SharePoint — и настройку интеграций между ними с контролем целостности, актуальности и непротиворечивости данных.
В заключение поговорим о рисках использования ИИ в тестировании: безопасность данных, передаваемых в LLM, рост стоимости токенов, организационные и политические сложности внедрения, а также риск снижения компетенций специалистов при чрезмерной зависимости от ИИ.
Предварительная подготовка:
Участникам рекомендуется обладать общим представлением о тестировании ПО и автотестах. Для выполнения практических заданий желателен доступ к одному из инструментов мониторинга ИИ (Langfuse, Helicone, LangSmith), но это необязательно.
Содержание
Введение
Что в тестировании ПО реально изменилось благодаря ИИ, а что пока нет.
Будущее уже наступило, но есть нюансы.
Тестовые артефакты силами ИИ
Генерация чек-листов, тест-кейсов и тест-планов
Риск-ориентированное тестирование (risk-based testing): почему одних техник тест-дизайна и общих практик недостаточно
Роль знания специфики и истории системы в выборе приоритетных тест-кейсов
Автотесты нового поколения
Создание автотестов без глубокой экспертизы в конкретном языке и фреймворке
Лёгкое переключение между языками и инструментами
Перенос существующего автотест-фреймворка на другой стек за 1–2 дня
Тестировщик как дирижёр ИИ-процессов
Практически безграничный ресурс, ограниченный стоимостью токенов
Как считать и контролировать стоимость выполнения единицы работы (особенно в Agentic AI)
Логирование и мониторинг работы ИИ-решений: Langfuse, Helicone, LangSmith и другие инструменты
Инфраструктура своими силами
Конфигурирование CI/CD-пайплайнов
Настройка окружений
Параллелизация тестов
Почему для этого больше не нужны специальные знания и можно начинать с нуля
Кейсы автоматизации рутинных процессов
Агрегация данных из разных источников: Jira, TestRail, Azure, Git, SharePoint
Настройка интеграций между системами
Контроль целостности, свежести и непротиворечивости данных
Риски использования ИИ в тестировании
Безопасность данных, передаваемых в LLM
Риск непредсказуемого роста стоимости токенов
Организационные и политические сложности внедрения
Снижение компетенций специалистов при чрезмерной зависимости от ИИ
Другие разделы
Для кого
DevOps-инженер
Тестировщик
