В «
2ГИС решила разобраться, как себя чувствует русскоязычное QA-сообщество: чем пользуются тестировщики, как устроены процессы и как в работу проникает искусственный интеллект. В исследовании поучаствовали 570 QA-специалистов, почти половина из них работают в крупных компаниях.
57% опрошенных сказали, что подключаются к разработке фич ещё на этапе обсуждения требований — то есть задолго до появления кода.
Лишь 20% приходят в проект только после завершения разработки. А вариант «подключаюсь, когда в продакшене что-то сломалось» — уже почти экзотика.
89% команд используют автотесты — от юнитов до UI. Но вот инструменты вокруг них, вроде поддержки, аналитики и стабильности, применяют далеко не все. Например, код-ревью автотестов делают только 39% опрошенных, а 28% команд вообще не отслеживают никаких метрик и работают «вслепую».
ИИ используют не все, и в основном — для рутинных задач
Хотя ИИ уже прочно вошёл в мир тестирования, чаще всего его применяют для типовых задач:
- написание тестового кода (34%),
- генерация тест-кейсов (28%),
- и тестовых данных (26%).
Более продвинутые сценарии вроде анализа тестов, автоматического поиска багов и визуального тестирования пока используются редко. Например, только 5% автоматизируют дефект-дискавери, и лишь 4% пробуют AI для визуальных проверок. А 22% QA-специалистов вообще не используют ИИ в своей работе.
Главные проблемы в тестировании
На первом месте — сжатые сроки. Об этом сказали 71% участников опроса. На втором — слабое вовлечение QA в процессы (40%) и нехватка квалифицированных специалистов (37%).
Как измеряют качество
- Главная метрика — количество найденных багов (58%).
- Покрытие автотестами учитывают 43%, покрытие кода — только 23%.
- Стабильность тестов (например, чтобы они не «флапали») отслеживают всего 15% команд.
Что будет с профессией дальше? Мнения разделились:
- 37% считают, что всё уйдёт в тотальную автоматизацию;
- 35% уверены, что ничего особо не поменяется;
- почти треть верит, что QA станет глубже интегрироваться в специфические направления вроде ИБ и производительности;
- 27% видят будущее за DevOps и SRE — то есть тесной работой на всех этапах: от разработки до эксплуатации.
