AI‑агент в QA: от скепсиса к 1600 тестов в сутки за полгода
QA‑инженер из SENSE рассказал, как за шесть месяцев внедрил ИИ‑агента, который теперь автоматически разбирает падения, актуализирует локаторы и генерирует тесты, достигнув 1600 проверок в день.
В начале 2026 года Егор, QA Fullstack‑инженер компании SENSE, работавший над проектом крупного российского банка, относился к идее ИИ‑агента в тестировании с долей скептицизма. По его словам, «это либо маркетинг, либо повод искать новую профессию». Тем не менее, в рамках внутреннего хакатона команда решила проверить гипотезу и запустить прототип.
Первый прототип оказался далёк от идеала: агент не смог корректно добавить новое поле в тестируемый класс и часто генерировал нерабочие локаторы. Команда провела серию итераций: — настроили промпты, — обучили модель на реальных баг‑репортах и спецификациях, — встроили цикл обратной связи, где результаты тестов автоматически попадали в репозиторий для дообучения.
Через три месяца агент начал самостоятельно разбирать упавшие тесты, предлагать исправления локаторов и генерировать шаблонные тест‑кейсы по спецификациям. На хакатоне, где была поставлена задача «максимизировать количество проверок за сутки», система сгенерировала 1 600 рабочих тестов, что в 5‑раз больше обычного объёма команды.
Тем не менее, Егор отметил, что агент пока не умеет писать сложные сценарии с бизнес‑логикой и требует человеческой валидации. По итогам проекта команда планирует расширить набор данных для обучения и интегрировать агент в CI/CD‑pipeline, чтобы автоматизировать регрессионные проверки на постоянной основе.
Подробный рассказ доступен в статье на Хабре: https://habr.com/ru/companies/it_sense/articles/1046063/
История Егорa показывает, что ИИ‑агенты уже способны взять на себя рутинные задачи QA – от обновления локаторов до генерации простых тестов. Для разработчиков это шанс сократить регрессионный долг, но важно помнить о необходимости контроля качества и ограничений модели, особенно в сложных бизнес‑сценариях.
