Игорь Градов
Игорь Градов
5 мин
ai

ИИ в тестировании пишет 80 сценариев за пять минут, но 15% правят вручную

Инженер по тестированию «Т1 Иннотех» Роман Поляков показал на практике, как ИИ за пять минут пишет 80 тестовых сценариев к одной странице приложения, и при сжатых сроках релизов этот приём экономит недели ручной работы.

ИИ в тестировании пишет 80 сценариев за пять минут, но 15% правят вручную

Ниже пошаговая схема. Вы отдаёте нейросети ТЗ, то есть техническое задание (документ, где заказчик описывает, что должна делать программа). Взамен получаете список обязательных проверок, найденные противоречия и готовые сценарии тестов.

Почему это важно

Инженер опубликовал не обещания, а замеры своей команды вместе с промахами ИИ. Среди них 6 ложных тревог на 500 скриншотов и 3 пропущенные критические ошибки из 15 в журналах. По этим цифрам видно, где нейросети можно доверять, а где нет.

Разбор написал сам Поляков, инженер QA (специалист по контролю качества программ). Он оформил текст в стилистике вселенной Warhammer 40K, но подчёркивает, что все примеры и метрики взяты из реальной практики команды. Автор считает не только успехи ИИ, но и его ошибки, поэтому из разбора можно вынести рабочую инструкцию.

ИИ в тестировании закрывает восемь участков работы

Поляков выделяет восемь направлений, где ИИ в тестировании уже приносит пользу:

  • разбор технической документации и структурирование требований;
  • генерация тестовых сценариев;
  • распределение тестов между исполнителями;
  • поиск дефектов в журналах работы программы и на скриншотах;
  • прогноз рисков в релизе;
  • проверка внешнего вида интерфейса;
  • проверка API (способа, которым программы обмениваются данными) и микросервисов (небольших независимых частей большой системы);
  • подготовка к работе с новыми технологиями.

По четырём направлениям автор приводит замеры. На анализ 2 ТБ журналов ушло два часа, ИИ нашёл 12 из 15 критических ошибок при 3% ложных срабатываний (случаев, когда система поднимает тревогу без причины). Сравнение 500 скриншотов заняло десять минут: найдено 8 визуальных багов из 10, ложных срабатываний 6. Модель прогноза рисков угадала 7 из 9 критических багов, точность 78%, но для этого ей нужна история проектов минимум за год.

Что понадобится, чтобы начать?

  • ТЗ или подробное описание страницы, которую нужно проверить.
  • Чат-бот на LLM, большой языковой модели (программе, которая понимает и пишет текст). Из доступных в РФ подойдут YandexGPT и GigaChat.
  • Для конфиденциальных данных локальная модель, развёрнутая на собственном сервере. Так советует автор.
  • Время на ручную доработку: даже в удачном примере команда исправила 15% сценариев.

Пошаговая инструкция: от ТЗ до готовых сценариев за 6 шагов

  1. Оцените объём документа. Если в нём больше 50, а то и 100 страниц, разрежьте его на логические блоки. Причина в контекстном окне, то есть в объёме текста, который модель удерживает в памяти за один раз. Иначе срабатывает эффект «потерянной середины» (Lost in the Middle): ИИ «забывает» то, что стояло в середине текста. Второй путь подойдёт технически подготовленной команде. Это RAG, поиск с подстановкой: модель сначала находит нужный фрагмент документа и отвечает только по нему.
  2. Уберите из текста персональные и банковские данные или работайте через локальную модель.
  3. Вставьте промпт (текстовую команду для нейросети) из разбора Полякова:
Проанализируй следующее техническое задание и выполни три задачи:

1. Выдели все обязательные поля, бизнес-правила и граничные условия.
2. Найди противоречия между разделами (указывай номера разделов).
3. Сформируй тестовые сценарии в формате: ID | Тип (позитивный/негативный/граничный) | Шаги | Ожидаемый результат.
ТЗ: [вставить текст ТЗ]
  1. Сверьте список обязательных полей и лимитов с документом вручную.
  2. Отнесите найденные противоречия разработчикам и согласуйте их до начала программирования.
  3. Пройдите по сценариям трёх типов: позитивным (всё введено верно), негативным (ошибка пользователя) и граничным (значение ровно на пределе допустимого). Сложную бизнес-логику проверяйте сами, ИИ здесь только помощник.
Как это применить

Команда тестировала мобильное приложение для переводов, ТЗ занимало 150 страниц. ИИ выделил обязательные поля: номер карты, CVV (трёхзначный код на обороте карты) и срок действия. Нашёл лимиты: 300 000 ₽ в сутки и 100 000 ₽ за один перевод. Сгенерировал граничные сценарии, например перевод ровно на 100 000 ₽ или карту, срок которой истекает сегодня. Обнаружил противоречие: для VIP-клиентов лимит в одном разделе указан как 500 000 ₽, в другом как 700 000 ₽. Итог: 120 сценариев вместо 20 ручных, тестирование стартовало на 30, а то и 40% быстрее.

Частые ошибки
  • Слепая вера в результат. По словам автора, ИИ может принять пример из примечания за обязательное требование.
  • Расчёт на знание отрасли. Нейросеть не всегда понимает отраслевые стандарты и неочевидные бизнес-правила.
  • Длинный документ одним куском. Середина текста теряется.
  • Визуальные проверки анимаций и графиков. Автор прямо не рекомендует применять ИИ для динамичных элементов.
  • Загрузка чувствительных данных в облачный сервис.

Что делать с этим прямо сейчас, по ролям?

Предпринимателю, который заказывает приложение или сайт у подрядчика. Прогоните ТЗ через промпт до подписания договора. Противоречие в лимитах, найденное на бумаге, обходится дешевле бага в работающем продукте. Для документов с коммерческой тайной выбирайте локальную модель.

Маркетологу. Отдайте ИИ описание лендинга или формы заявки и попросите негативные и граничные сценарии: пустое поле, неверный телефон, слишком длинное имя. Так вы закроете дыры, на которых теряются заявки.

Автору Дзена, который пишет про ИТ или делает чат-бота для своей аудитории. Промпт подходит для проверки собственного описания продукта, а таблица сценариев сама просится в обучающий пост.

Тестировщику. Начните с документации. Автор пишет, что так разбор сокращается с недель до 2, максимум 3 дней.

Совет редакции dzen.guru

На мой взгляд, самое ценное в разборе Полякова не 80 сценариев за пять минут, а честные 15% доработки и 6 ложных тревог. Именно так и стоит относиться к нейросети: это быстрый стажёр, которому нужен проверяющий. Выжать максимум помогает строгий формат ответа: таблица с типом сценария дисциплинирует модель лучше длинных просьб. Оговорка: если у вашей команды нет истории багов хотя бы за год, прогноз рисков пока не для вас, начните с ТЗ. Тот, кто первым научится проверять ИИ, а не верить ему, и выиграет время.

Научитесь работать с нейросетями без иллюзий

В dzen.guru разбираем рабочие промпты и честно показываем, где ИИ ошибается

Перейти в dzen.guru
Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

Наделла объяснил, почему Microsoft предложила 60 тысячам уволиться: все будут управлять ИИ
ai

Наделла объяснил, почему Microsoft предложила 60 тысячам уволиться: все будут управлять ИИ

Глава Microsoft Сатья Наделла, признав, что компания создала у людей огромную тревогу, объяснил предложение о добровольном уходе для 60 тысяч сотрудников…

5 мин
Anthropic вышла на Nasdaq с оценкой $1,5 трлн, но контроль оставила за основателями
ai

Anthropic вышла на Nasdaq с оценкой $1,5 трлн, но контроль оставила за основателями

Anthropic, разработчик нейросети Claude, вышла на биржу Nasdaq под биржевым кодом ANT и начала торги по 111,50 доллара за акцию, почти через месяц после…

4 мин
SpaceX просит запустить 1 млн орбитальных дата центров, Google уже считает на орбите
ai

SpaceX просит запустить 1 млн орбитальных дата центров, Google уже считает на орбите

Google, SpaceX и Blue Origin в октябре почти одновременно обновили проекты орбитальных дата центров, и эта инструкция поможет автору за вечер разобраться, где…

5 мин