36% тестировщиков экспериментируют с ИИ, но не внедряют его в работу

2ГИС провел исследование о том, как меняется работа и роль тестировщиков в IT-компаниях — оно показало, в частности, что ИИ среди QA-специалистов, отвечающих за тестирование продукта, в основном используется для решения стандартных задач — написания кода и создания тест-кейсов. Лишь 12% профессионалов задействуют технологию в аналитике, а 22% не применяют вовсе.

Команды тестирования в 2ГИС и Отелло (сервис бронирования отелей от 2ГИС) активно растут: с января 2024 года число QA-специалистов увеличилось на 67%, а средний темп найма составляет семь человек в месяц. На этом фоне 2ГИС провел исследование русскоязычного QA-сообщества, чтобы выяснить, какие инструменты и практики выбирают специалисты, как меняется их работа и роль в командах. Своим опытом поделились 570 QA-профессионалов — почти половина из них работают в крупных компаниях и корпорациях.

QA-специалисты влияют на качество продукта задолго до этапа тестирования. 57% респондентов отметили, что подключаются к фичам ещё на раннем этапе — для обсуждения бизнес-требований и планирования работ. Лишь 20% вовлекаются исключительно после завершения разработки, а участие после релиза продукта или только при проблемах в продакшне практически не встречается.

Автоматизация широко применяется в индустрии: 89% команд используют автотесты — от типовых юнит-тестов до комплексного UI-тестирования. При этом 34% респондентов не практикуют дополнительные инструменты для поддержки автотестов, а такой базовый подход, как код-ревью, используют лишь 39%.

Несмотря на то, что ИИ уверенно входит в повседневную практику, многие QA-специалисты пока находятся на стадии экспериментов: 36% пробуют инструменты, но не внедряют их в рабочие процессы. Наиболее популярные практические сценарии — помощь в написании тестового кода (34%), генерация тест-кейсов (28%) и тестовых данных (26%). Более сложные задачи, такие как анализ и приоритезация тестов (12%), автоматическое обнаружение дефектов (5%) и визуальное тестирование (4%), пока остаются нишевыми. 22% респондентов вовсе не используют ИИ в тестировании.

Главным вызовом, влияющим на качество и эффективность тестирования, являются сжатые сроки — на неё указали 71% респондентов. Почти 40% отметили недостаточную вовлечённость тестировщиков в процесс, а 37% сталкиваются с нехваткой квалифицированных кадров.

Основным показателем качества является количество найденных багов, отметили 58% респондентов. Превентивные метрики, такие как покрытие автотестами (43%) и покрытие кода тестами (23%), применяются реже. Оценкой стабильности тестов — тех, что дают разные результаты при повторных запусках, — занимаются лишь 15% команд. При этом 28% команд вовсе не отслеживают метрики, фактически работая «вслепую».

Мнения о будущем QA разделились: 37% предсказывают радикальный сдвиг в автоматизацию, а 35% считают, что ничего не изменится. Почти треть респондентов ожидают углубления роли QA в специализированных направлениях, таких как безопасность и производительность. 27% инженеров связывают развитие профессии с тесной интеграцией в процессы непрерывной разработки и эксплуатации — DevOps-практики, направленные на ускорение выпуска качественного ПО, и SRE-подходы, ориентированные на обеспечение надежности систем.

С полной версией исследования можно ознакомиться по ссылке.