> For the complete documentation index, see [llms.txt](https://vladislaveremeev.gitbook.io/qa_bible/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://vladislaveremeev.gitbook.io/qa_bible/ai-v-testirovanii/ai-v-testirovanii-obshee.md).

# 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