автор Малаховская Екатерина
Как ИИ может помочь ручным тестировщикам — а не заменить их
В последние годы искусственный интеллект (ИИ) стремительно меняет многие сферы разработки программного обеспечения — и тестирование не стало исключением. Однако, если обычно ИИ ассоциируют с автоматизацией рутинных задач, то настоящая сила ИИ для ручных тестировщиков заключается в том, чтобы усиливать то, что они и так делают лучше всего: критически мыслить, творчески проверять и обеспечивать качество там, где одной автоматизации недостаточно.
Давайте разберемся, как ИИ может использоваться в ежедневных задачах.
Давайте разберемся, как ИИ может использоваться в ежедневных задачах.
1. ИИ для лучшего проектирования тест-кейсов
Создание качественных тест-кейсов может занимать много времени. ИИ-инструменты помогают, анализируя требования, пользовательские истории или данные о прошлых дефектах, чтобы предложить возможные тестовые сценарии, крайние случаи и зоны высокого риска.
Это не значит, что тестировщики перестанут писать тест-кейсы — наоборот, они смогут сосредоточиться на проверке, приоритизации и улучшении предложений ИИ. Вы остаётесь главным экспертом, а ИИ делает черновую работу.
Давайте резберем на примере.
Когда вы используете ИИ (например, ChatGPT или Copilot), он может:
Вот пример рабочего промта, который можно дать ChatGPT или другому ИИ:
Создание качественных тест-кейсов может занимать много времени. ИИ-инструменты помогают, анализируя требования, пользовательские истории или данные о прошлых дефектах, чтобы предложить возможные тестовые сценарии, крайние случаи и зоны высокого риска.
Это не значит, что тестировщики перестанут писать тест-кейсы — наоборот, они смогут сосредоточиться на проверке, приоритизации и улучшении предложений ИИ. Вы остаётесь главным экспертом, а ИИ делает черновую работу.
Давайте резберем на примере.
Когда вы используете ИИ (например, ChatGPT или Copilot), он может:
- Предложить основные позитивные и негативные сценарии.
- Помочь придумать edge cases (крайние условия).
- Расписать шаги теста на основе описания фичи.
- Составить простую структуру (например, заголовки, предусловия, шаги и ожидаемый результат).
Вот пример рабочего промта, который можно дать ChatGPT или другому ИИ:
«Напиши тест-кейсы для функции восстановления пароля на веб-сайте. Описание: пользователь вводит email, получает ссылку для сброса пароля, переходит по ней и устанавливает новый пароль. Придумай позитивные и негативные сценарии. Формат: предусловие, шаги, ожидаемый результат.»
ИИ предложит что-то вроде:
Чтобы получить качественный черновик тест-кейсов:
✔️ Дайте ИИ контекст — что это за система, кто пользователи.
✔️ Опишите ключевые требования или правила.
✔️ Укажите, нужен ли вам формат таблицы или обычный текст.
✔️ Спросите про граничные условия, неочевидные сценарии.
Универсальный промт для генерации тест-кейсов
- ✅ Позитивный кейс: верный email, ссылка пришла, пароль сменился.
- ❌ Негативный кейс: неверный email, письмо не приходит.
- ❌ Ссылка устарела.
- ❌ Новый пароль не соответствует требованиям (слишком короткий).
- ❌ Попытка сменить пароль дважды по одной ссылке.
- проверяете идеи,
- дополняете специфическими деталями (данные, окружение),
- приоритизируете, что реально имеет смысл тестировать.
Чтобы получить качественный черновик тест-кейсов:
✔️ Дайте ИИ контекст — что это за система, кто пользователи.
✔️ Опишите ключевые требования или правила.
✔️ Укажите, нужен ли вам формат таблицы или обычный текст.
✔️ Спросите про граничные условия, неочевидные сценарии.
Универсальный промт для генерации тест-кейсов
Я тестировщик. Помоги составить подробные тест-кейсы для следующей функциональности:
📌 Описание функционала: [опиши, что делает функция — например, “пользователь регистрируется на сайте с подтверждением email”]
✅ Что важно учесть: [перечисли ключевые требования — например, “обязателен уникальный email, валидация пароля, подтверждение через ссылку”]
⚙️ Формат тест-кейсов: укажи структуру, например:
Если возможно, укажи данные для примеров.
📌 Описание функционала: [опиши, что делает функция — например, “пользователь регистрируется на сайте с подтверждением email”]
✅ Что важно учесть: [перечисли ключевые требования — например, “обязателен уникальный email, валидация пароля, подтверждение через ссылку”]
⚙️ Формат тест-кейсов: укажи структуру, например:
- Название кейса:
- Цель:
- Предусловия:
- Шаги:
- Ожидаемый результат:
- Позитивные сценарии
- Негативные сценарии (ошибки, неверные данные)
- Edge cases (граничные условия)
Если возможно, укажи данные для примеров.
2. Быстрее выполнять тестирование
Ручное исследовательское тестирование незаменимо — но ИИ может подсказать, на что стоит обратить внимание, анализируя шаблоны использования, логи или историю багов.
Например, ИИ может определить, что определённый модуль часто ломается после каждого третьего релиза. Опытный тестировщик может сразу спланировать исследовательское тестирование именно этой зоны — экономя время и быстрее находя скрытые ошибки.
Ручное исследовательское тестирование незаменимо — но ИИ может подсказать, на что стоит обратить внимание, анализируя шаблоны использования, логи или историю багов.
Например, ИИ может определить, что определённый модуль часто ломается после каждого третьего релиза. Опытный тестировщик может сразу спланировать исследовательское тестирование именно этой зоны — экономя время и быстрее находя скрытые ошибки.
3. Умнее обрабатывать баги
Сортировка, категоризация и анализ большого количества багов — рутинная работа. ИИ-инструменты могут помогать находить дубликаты, автоматически присваивать категории или даже прогнозировать причины, анализируя логи и историю багов.
Это значит, что меньше времени тратится на рутинную сортировку — и больше на важную работу: тестирование и сотрудничество с разработчиками.
ИИ-инструменты реально помогают:
✅ Автоматически находить похожие баги (дубликаты).
✅ Присваивать багам правильные категории, приоритеты или теги.
✅ Предлагать потенциальные причины дефекта (анализируя баг-репорты, шаги воспроизведения и логи).
✅ Генерировать отчёты (например, «ТОП-10 повторяющихся багов» или «Часто встречающиеся компоненты»).
Как ИИ получает доступ к JIRA
Сам по себе GPT не имеет «волшебного доступа» к JIRA. Чтобы использовать ИИ для работы с багами в JIRA, обычно применяют 2 подхода:
✅ 1. Плагины или интеграции
Есть готовые плагины для JIRA, которые используют ИИ. Например:
Более продвинутый вариант — настроить собственного ИИ-помощника:
📌 Важно про конфиденциальность
Если ты используешь ИИ для анализа багов:
🔒 Важно соблюдать политику безопасности — не выгружать конфиденциальные данные в публичный GPT, если это не разрешено.
🔐 Лучше использовать проверенные плагины или локальные решения.
Сортировка, категоризация и анализ большого количества багов — рутинная работа. ИИ-инструменты могут помогать находить дубликаты, автоматически присваивать категории или даже прогнозировать причины, анализируя логи и историю багов.
Это значит, что меньше времени тратится на рутинную сортировку — и больше на важную работу: тестирование и сотрудничество с разработчиками.
ИИ-инструменты реально помогают:
✅ Автоматически находить похожие баги (дубликаты).
✅ Присваивать багам правильные категории, приоритеты или теги.
✅ Предлагать потенциальные причины дефекта (анализируя баг-репорты, шаги воспроизведения и логи).
✅ Генерировать отчёты (например, «ТОП-10 повторяющихся багов» или «Часто встречающиеся компоненты»).
Как ИИ получает доступ к JIRA
Сам по себе GPT не имеет «волшебного доступа» к JIRA. Чтобы использовать ИИ для работы с багами в JIRA, обычно применяют 2 подхода:
✅ 1. Плагины или интеграции
Есть готовые плагины для JIRA, которые используют ИИ. Например:
- Atlassian Intelligence — встроенный ИИ, который Atlassian сейчас активно развивает.
- Плагины от сторонних разработчиков: например, JetBrains AI, Bugsee, или плагин от Klera AI.
- Они подключаются через API JIRA: ты даёшь плагину доступ (OAuth или токен API), и он начинает анализировать задачи и баги в проекте.
Более продвинутый вариант — настроить собственного ИИ-помощника:
- Ты используешь API JIRA, чтобы выгрузить баги (JSON-формат).
- Скрипт на Python или через ChatGPT-API анализирует эти данные:
- Группирует баги по похожим описаниям.
- Делает рекомендации.
- Создаёт отчёты.
- После этого ты или скрипт может создавать/обновлять задачи в JIRA через тот же API.
📌 Важно про конфиденциальность
Если ты используешь ИИ для анализа багов:
🔒 Важно соблюдать политику безопасности — не выгружать конфиденциальные данные в публичный GPT, если это не разрешено.
🔐 Лучше использовать проверенные плагины или локальные решения.
ИИ — это инструмент, а не замена. Тестировщики, которые знают, как грамотно использовать ИИ, всегда будут востребованы. На что стоит сделать акцент:
✅ Развивайте аналитическое мышление — ИИ показывает шаблоны, но человек их интерпретирует.
✅ Изучайте, как работают ИИ-инструменты, их сильные и слабые стороны.
✅ Комбинируйте ИИ с исследовательским тестированием — именно здесь человек незаменим.
✅ Оставайтесь любознательными — лучшие тестировщики всегда учатся!
✅ Развивайте аналитическое мышление — ИИ показывает шаблоны, но человек их интерпретирует.
✅ Изучайте, как работают ИИ-инструменты, их сильные и слабые стороны.
✅ Комбинируйте ИИ с исследовательским тестированием — именно здесь человек незаменим.
✅ Оставайтесь любознательными — лучшие тестировщики всегда учатся!
Хотите лучше разбираться в тестировании и узнать много примеров из практики от опытных преподавателей - приходите на наш курс В тестировщики с нуля
Учимся отличать тест-план, тест-кейсы и чек-листы на примерах.
Выпускник школы QaLearning рассказывает про свой путь обучения, поиска работы и прохождения собеседований. Вы получите много дельных советов!