ИИ в тестировании 1С создаёт иллюзию покрытия: как получить реальное качество

Тема звучит не первый год, но именно сейчас она стала предметной. На подготовке к INFOSTART TECH EVENT 2026 (8–10 октября, Санкт-Петербург) модераторы секции QA разобрали конкретные сценарии: где генеративная модель уже экономит время тестировщику, а где уверенно порождает «мусорные» проверки. Ниже собраны шаги, которые позволяют встроить ИИ в тестирование так, чтобы качество продукта действительно росло, а не падало под видом автоматизации.

Что понадобится

• Доступ к генеративной модели, которая умеет работать с кодом. Подойдут ChatGPT, GigaChat, YandexGPT или любая открытая модель (опенсорс) с поддержкой генерации кода.
• Среда для запуска автотестов. Для 1С-экосистемы это Vanessa Automation, инструмент автоматического тестирования конфигураций «1С:Предприятие».
• Набор существующих артефактов: чек-листы, шаблоны тест-кейсов, описание бизнес-логики продукта.
• Примерно 2–3 часа на первый прогон по инструкции и оценку результатов.

Пошаговая инструкция

1. Соберите контекст до обращения к модели. Подготовьте описание модуля, который собираетесь тестировать: какие бизнес-правила он реализует, какие сценарии критичны, какие данные на входе и выходе. Без этого модель сгенерирует синтаксически верный, но логически пустой тест.

2. Сформулируйте промпт (prompt, текстовый запрос к модели) с ограничениями. Укажите язык, фреймворк, критичные сценарии и то, чего тест делать не должен. Пример промпта для генерации юнит-теста:

Напиши юнит-тест на языке 1С для процедуры РасчётСкидки.
Бизнес-правило: скидка 10% при сумме заказа от 50 000 руб.,
скидка не применяется к товарам категории «Акционный».
Проверь граничные значения: 49 999, 50 000, 50 001.
Не генерируй тесты для сценариев, которые не описаны выше.

1. Проверьте результат по трём вопросам. Что именно проверяет тест? Покрывает ли он критичный сценарий? Нет ли «пустых» ассертов, которые всегда проходят? Галлюцинация (hallucination, когда модель уверенно выдумывает несуществующее) здесь особенно опасна: тест выглядит рабочим, но проверяет условие, которого нет в бизнес-логике.

2. Интегрируйте проверенные тесты в Vanessa Automation. Автоматизация берёт на себя выполнение стабильных дымовых проверок, а модель помогает готовить сценарии и анализировать результаты. Связка работает так: ИИ генерирует черновик, специалист вычищает, Vanessa прогоняет.

3. Зафиксируйте правила в шаблоне повторного использования. Сохраните удачный промпт, список ограничений и критерии приёмки теста. Это ваш внутренний артефакт: репозиторий промптов и чек-лист проверки, который не придётся собирать заново.

4. Постройте или адаптируйте матрицу компетенций команды. Определите, какие навыки нужны на каждой позиции: что отличает инженера от старшего инженера, какие компетенции уже есть, что осваивать дальше. Готовую чужую матрицу копировать без изменений бессмысленно: одинаковые должности в разных компаниях означают разные задачи. Как основу можно использовать профессиональные стандарты и ГОСТы, они помогут проверить полноту требований.

Качество зависит от всей команды, а не от отдела QA

Один момент, который легко упустить за разговором об инструментах: граница между тестированием, разработкой и аналитикой размывается.

• Разработчик отвечает за тестируемость кода и юнит-тесты.
• Аналитик отвечает за однозначность требований.
• QA-инженер (специалист по контролю качества) отвечает за стратегию проверок и оценку рисков.
• Руководитель отвечает за процессы и коммуникацию между всеми.

Даже идеально настроенная автоматизация не спасёт, если участники команды по-разному понимают требования или слишком поздно обсуждают ограничения. Это не теория: именно в 1С-проектах, где аналитик часто совмещает роли, разрыв между «что имели в виду» и «что протестировали» встречается регулярно.

Что делать с этим прямо сейчас, по ролям

Тестировщику и 1С-специалисту. Начните с одного модуля: сгенерируйте тесты по шагам выше, сравните с тем, что писали вручную. Обратите внимание на Vanessa Automation как связующее звено между ИИ-генерацией и реальным прогоном.

Автору Дзена, пишущему про технологии. Тема ИИ в тестировании даёт конкретный контент-повод: разберите один промпт, покажите результат, объясните, где модель ошиблась. Такой формат «до и после» собирает вовлечение лучше обзорных статей.

Руководителю и предпринимателю. Не внедряйте ИИ в тестирование без матрицы компетенций: иначе непонятно, кто проверяет результат модели и по каким критериям. Адаптируйте матрицу под свои продукты и процессы, а не копируйте чужую.

Доклады по теме прозвучат на INFOSTART TECH EVENT 2026, 8–10 октября в Санкт-Петербурге. Если вы работаете с 1С и хотите внедрить ИИ в тестирование с конкретным результатом, а не с набором лозунгов, начните с одного модуля и одного промпта по шагам выше, а потом сверьте свой опыт с тем, что покажут практики на конференции.