# AI в тестировании — общее

Искусственный интеллект в тестировании — это применение методов машинного обучения, больших языковых моделей (LLM) и компьютерного зрения для автоматизации, ускорения и улучшения процессов QA.

Важно разграничивать два направления: **AI как инструмент тестировщика** (ChatGPT, Claude, Copilot помогают писать тесты, анализировать требования, разбирать логи) и **AI внутри тестируемой системы** (когда сам продукт содержит ML-компоненты, которые нужно тестировать по особым правилам).

## Как AI меняет работу QA

### Что ускоряется

* Генерация тест-кейсов по требованиям и user stories
* Написание шаблонных автотестов по описанию сценария
* Анализ логов и поиск первопричины дефекта
* Составление баг-репортов и суммаризация проблемы
* Ответы на вопросы по незнакомому стеку или домену
* Генерация тестовых данных, включая граничные и невалидные значения

### Что остаётся за тестировщиком

* Критическое мышление и оценка того, что AI сгенерировал
* Понимание бизнес-логики и контекста продукта
* Исследовательское тестирование и формулировка нестандартных сценариев
* Принятие решений о приоритетах и рисках
* Коммуникация с командой и работа с неоднозначными требованиями

AI хорошо справляется с шаблонной работой. Всё, что требует понимания контекста бизнеса, опыта работы с конкретным продуктом и суждений — пока остаётся за человеком.

## Категории AI-инструментов в QA

| Категория               | Задача                                            | Примеры                           |
| ----------------------- | ------------------------------------------------- | --------------------------------- |
| LLM-ассистенты          | Помощь в написании тестов, анализ, объяснения     | ChatGPT, Claude, Gemini           |
| AI в IDE                | Автодополнение и генерация кода тестов            | GitHub Copilot, Cursor            |
| Визуальное тестирование | Обнаружение визуальных регрессий                  | Applitools, Percy                 |
| Self-healing автотесты  | Автоисправление сломанных локаторов               | Healenium, Testim                 |
| Генерация автотестов    | Создание тестов из записи действий или описания   | Mabl, Reflect                     |
| Анализ дефектов         | Кластеризация ошибок, предсказание мест регрессий | Launchable, Seer                  |
| Тестирование AI-систем  | Специфика проверки ML-моделей                     | Артефакты, наборы данных, метрики |

## Ограничения и риски

**Галлюцинации.** LLM могут уверенно выдавать неверные тест-кейсы, несуществующие API-методы или ошибочную интерпретацию требований. Всё сгенерированное требует ревью.

**Контекст.** Модель не знает вашего продукта, его историю дефектов, специфику домена. Качество вывода прямо зависит от качества промпта и предоставленного контекста.

**Безопасность данных.** Вставка реальных данных о пользователях, токенов, внутренних схем API в публичные LLM — нарушение политики безопасности большинства компаний. Использовать только обезличенные примеры или self-hosted решения.

**Устаревание.** AI-инструменты для QA — быстро меняющийся рынок. Инструмент, актуальный сегодня, через полгода может быть поглощён, закрыт или вытеснен.

## Источники

* [How AI is Changing Software Testing](https://www.ministryoftesting.com/articles/how-ai-is-changing-software-testing) — Ministry of Testing
* [AI and Testing: Friend or Foe?](https://testing.googleblog.com/) — Google Testing Blog

### Дополнительные материалы

* [State of Testing Report](https://www.practitest.com/state-of-testing/) — ежегодный отчёт, с 2023 включает раздел про AI в тестировании
* [Awesome AI Testing](https://github.com/bellthomas/awesome-ai-testing) — курируемый список ресурсов по AI и тестированию


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://vladislaveremeev.gitbook.io/qa_bible/ai-v-testirovanii/ai-v-testirovanii-obshee.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.