За последние два года профессия QA-инженера изменилась сильнее, чем за предыдущие десять. Нейросети перестали быть «перспективной технологией» из докладов и стали рабочим инструментом: они пишут тест-кейсы, разбирают логи упавших прогонов и чинят сломавшиеся локаторы. Разберём, что из этого действительно работает в 2026 году.
LLM как рабочий инструмент QA
Генерация тест-кейсов из требований, черновики автотестов, анализ флаки-тестов — всё это уже повседневность. Важный сдвиг: команды перестали «просто спрашивать чат-бота» и строят конвейеры с техниками тест-дизайна и обязательным ревью человеком. LLM ускоряет рутину, но ответственность за качество по-прежнему на инженере.
Самовосстанавливающиеся тесты
Self-healing перестал быть маркетинговым словом: инструменты научились переживать смену вёрстки, подбирая новые локаторы по контексту. Это снижает стоимость поддержки UI-тестов — исторически самой дорогой части автоматизации.
Тестирование AI-систем
Обратная сторона: теперь тестировать приходится сами нейросети. Недетерминированный вывод, галлюцинации, prompt injection — для этого нужны новые практики: golden-датасеты, LLM-as-judge с ручной выборкой, регрессионные прогоны при каждой смене модели или промпта. Это одна из самых востребованных новых компетенций QA.
Что остаётся неизменным
- Shift-left и DevOps: непрерывное тестирование в пайплайне — базовая гигиена, а не тренд.
- Безопасность: SAST/DAST в CI и внимание к цепочке поставок зависимостей.
- Инженерная база: типы тестирования, тест-дизайн и умение читать чужой код нейросети не отменили — наоборот, без них невозможно проверять их работу.
Мой вывод простой: AI не заменяет QA-инженера, но QA-инженер с AI заметно быстрее того, кто работает по-старому.