Внедрение ИИ-агента
для QA-тестирования

В проектах важную роль играет качественное QA-тестирование и своевременное выявление рисков после внесения изменений в код. Как правило, QA-инженеры используют метод «черного ящика» и не анализируют исходный код. В результате нередко выполняется избыточное тестирование: проверяются модули и бизнес-сценарии, на которые изменения в коде не повлияли. 

Перед командой «Андагар» стояла задача ускорить процесс анализа изменений, сократить объем лишних проверок и снизить расходы на регрессионное тестирование и проверки.

Специалисты компании разработали и внедрили ИИ-агента в продукты собственной разработки. ИИ-агент анализирует внесенные изменения в код, а также автоматически формирует QA-сводку. Новый бот качественно анализирует изменения, указывает на возможные риски, рекомендует проверки и делает QA-экспертизу в несколько раз быстрее.

• Агент за минуту исследует код и коммиты, погружается в контекст и с помощью ИИ анализирует изменения
• Выделяет затронутые бизнес сценарии и связанный функционал, а затем отправляет структурированный и понятный отчет в мессенджер.

В отчете от агента команда получает:

• заключение по возможным рискам: где, почему и в каком объеме требуется регресс
• список затронутых модулей
• готовый чек-лист для проверки как измененного функционала, так и смежного.

Таким образом после правки ошибки теперь не требуется полный ретест всей задачи: агент показывает степень влияния и конкретные зоны проверки.

Наглядный пример: изменения затронули одну из 5 ролей пользователей для доступа к истории платежей. Не зная, какие конкретно произошли изменения в коде, тестировщик обычно проверяет все роли с применением техник тест-дизайна. Бот же покажет, что изменение повлияло только на одну роль пользователя, а значит нет смысла тестировать остальные роли и комбинации параметров в них. В результате, вместо проверки порядка 30 сценариев, останется проверить только 3.

Также одной из ключевых особенностей решения является то, что ИИ-агент формулирует рекомендации на языке бизнес-функциональности. Вместо переменных и методов тестировщик видит понятные термины: «платежный модуль», «корзина», «личный кабинет», «карточка товара» и другие элементы системы. Это позволяет тестировщику оперативно сориентироваться, выбрать и применить необходимый набор тестовых сценариев, а не разбираться в названиях переменных и методов.

Внедрение ИИ-агента для автоматизации QA тестирования позволило команде «Андагар» существенно повысить эффективность процессов для своих продуктов: платформе по проведению соревнований по бильярду - bill4you.ru  и платформе для проведения турниров по киберспорту -  go2den.com .  


Ключевые результаты:  

• быстрый анализ изменений в коде c помощью ИИ;
• сокращение количества избыточных проверок;
•  оптимизация процесса ретеста ошибок;
• повышение эффективности работы специалистов по тестированию.

По итогам внедрения расходы тестировщиков на ретест сократились в 3 раза. Как на перепроверку и исправление бага, так и на тестирование связанного функционала.

На данный момент ИИ-агент успешно тестируется на собственных проектах, однако команда также открыта к обсуждению его использования с заказчиками для оптимизации затрат.