The post has been translated automatically. Original language: Russian
A couple of years ago, many people said that the Manual QA profession was dying. Earlier this year, some experts stated that manual QA was no longer needed, and AI would test the application itself.
And what is the result?
Even with the increasing quality of models, AI still cannot fully replace the Manual QA engineer. Because manual testing is not about "pushing buttons."
It's about:
- understanding how the product and business process work;
- understanding how a real user will use the feature;
- the ability to come up with non-standard scenarios that no one has thought of.
What AI does well:
- reads the entire project documentation;
- examines repositories and gathers context;
- quickly generates test cases and test data.
Where is he weak yet:
- does not provide for all non-standard cases;
- Sometimes it generates unnecessary things: cases that are unnecessary or don't make sense.;
- is not responsible for the result.
The main caveat is that the quality of AI's work directly depends on the quality of documentation. Outdated requirements or their absence will result in confident but incorrect tests. Garbage at the entrance is garbage at the exit.
Conclusion: AI will not replace Manual QA, but will speed up its work. Especially where there is good documentation and clear technical specifications.
What about you? Do you use AI in testing, and where did it really help and where did it fail? Share it in the comments.
Пару лет назад многие говорили, что профессия Manual QA умирает. В начале этого года некоторые эксперты заявляли, что manual QA больше не нужен, AI сам протестирует приложение.
И что в итоге?
Даже с ростом качества моделей AI всё ещё не может полноценно заменить Manual QA инженера. Потому что мануальное тестирование - это не "потыкать кнопки".
Это про:
- понимание того, как устроен продукт и бизнес-процесс;
- понимание того, как реальный пользователь будет использовать фичу;
- умение придумать нестандартные сценарии, о которых никто не подумал.
Что AI делает хорошо:
- читает всю документацию проекта;
- изучает репозитории и собирает контекст;
- быстро генерирует тест-кейсы и тестовые данные.
Где он пока слаб:
- не предусматривает все нестандартные кейсы;
- иногда генерирует лишнее: кейсы, которые не нужны или не имеют смысла;
- не несёт ответственности за результат.
Главный нюанс: качество работы AI напрямую зависит от качества документации. Устаревшие требования или их отсутствие дадут на выходе уверенные, но неверные тесты. Мусор на входе - мусор на выходе.
Вывод: AI не заменит Manual QA, а ускорит его работу. Особенно там, где есть хорошая документация и чёткое ТЗ.
А как у вас? Используете ли вы AI в тестировании, и где он реально помог, а где подвёл? Делитесь в комментариях.
Share
