Все записи

Тестирование в эпоху ИИ


Техническая рутина — лишь часть задач, с которыми ИИ помогает тестировщикам. Его подключают и там, где нужно глубже разобраться в изменениях, понять причину дефекта или найти пропуски в уже проведенных проверках.

Даша и Катя, тестировщики Naumen, рассказали, как встроили ИИ в работу, где он действительно экономит время и почему его результат все равно приходится проверять.


Делегировать техническую рутину

Даша тестировщик ии.jpg

Я делегирую ИИ почти все общение с командной строкой: обновить локальный репозиторий, выполнить скрипт, переключиться на ветку, установить агента. Сама я потрачу на это больше времени.

Еще часто прошу ИИ написать скрипт для тестирования, чтобы не тратить на это время разработчика. 


Подключить дополнительную проверку

Катя.jpg

Перед составлением тест-плана сначала анализирую задачу с ИИ. Потом сама внимательно все продумываю и еще раз возвращаюсь к нему, чтобы проверить, не пропустила ли что‑то.

После тестирования тоже разбираю с ИИ проведенные проверки — смотрю, все ли учла.

Анализировать изменения и дефекты

Даша тестировщик ии.jpg

С помощью ИИ анализирую изменения в задаче и смотрю, какие части системы они могли затронуть прямо или косвенно. Еще разбираю с ним причины дефектов.

Когда не получается подобрать название дефекта, отправляю в ИИ свои идеи. Он помогает их структурировать, а итоговое название я формулирую сама.


Использовать готовых ИИ-помощников

Катя.jpg

У нас в команде уже есть несколько готовых ИИ-помощников. Один может пройтись по дефекту и подсказать, что стоит поправить. Другой анализирует покрытие автотестами — подсвечивает, что уже покрыто, а что нет.

Есть и ревьюер тест-кейсов, который помогает находить в них недочеты.


Важно: результаты ИИ тоже нужно проверять

Даша тестировщик ии.jpg

Пока ИИ не меняет процесс тестирования радикально. Но помогает не тратить время на долгий поиск информации и быстрее разбираться в сложном.

Для меня особенно важно критически подходить к ответам ИИ. Он может галлюцинировать, поэтому я использую его как помощника, а не как источник, которому можно полностью доверять.

Катя.jpg

При анализе логов я проверяю, все ли файлы ИИ действительно прочитал. При долгом разборе он иногда начинает что‑то придумывать. Это бывает редко, но его работу обязательно нужно контролировать.

Похожие новости

Подборка материалов: что почитать разработчику

В этой подборке — пять материалов о повседневных задачах разработчика: работе с кодом и коммитами, автоматизации, полезных инструментах и технических решениях на примерах iOS и Java.

Правила хорошего резюме

Бывает, что нужный для вакансии опыт у вас есть, но в ответ на отклик — тишина или отказ. Проблема может быть в том, что резюме не проходит первичный отбор: фильтры не находят нужные ключевые слова, а ИИ не видит подтверждения навыков в описании опыта.

В статье разобрали, как оформить резюме так, чтобы важные детали не потерялись для фильтров и ИИ, а рекрутеру было проще понять и оценить ваш опыт.

Как масштабировать знания, а не нагрузку

Когда обращений становится больше, кажется логичным расширить команду. Но вместе с новыми людьми растет и другая нагрузка: нужно помогать и передавать контекст новичкам, отвечать на одни и те же вопросы. При этом один сотрудник может заново искать решение, которое другой уже нашел.

С этим столкнулась команда клиентского сервиса ITSM 365. Кира, бизнес-аналитик клиентского сервиса и куратор командной базы знаний, рассказала, как команда постепенно выстроила систему, которая помогает не искать одни и те же решения снова и снова.


Все новости