ИИ-агенты в QA
Цель курса
Научить QA-специалисток и QA-специалистов использовать AI-агентов для автоматизации повседневных задач тестирования: от анализа требований и генерации тест-кейсов до создания и запуска автоматизированных тестов, анализа результатов и работы с дефектами.
Участницы и участники не просто знакомятся с возможностями AI, а создают собственные AI-powered QA workflows и QA agents, которые могут выполнять последовательность тестовых задач с минимальным ручным вмешательством.
Для кого курс
- QA Manual и QA Automation Engineers
- Test Engineers
- QA Leads и Test Leads
- SDET
- Software Engineers, которые занимаются тестированием
- QA-специалистки и QA-специалисты, которые уже используют ChatGPT, Claude или Gemini, но хотят перейти от prompting к agentic workflows
- QA-менеджерки и QA-менеджеры, которые хотят понять возможности и ограничения AI Agents в QA
Обязательно: опыт работы в тестировании, написание test cases, баг-репортов и глубокое понимание SDLC. Для части практик по автоматизации необходимо иметь опыт работы с web testing.
Результаты курса
После курса участницы и участники смогут:
- различать AI Assistant, AI Agent и Agentic Workflow;
- определять QA-задачи, которые целесообразно делегировать AI-агентам;
- использовать AI для анализа требований и поиска потенциальных дефектов;
- генерировать test scenarios, test cases, edge cases и test data;
- создавать AI-assisted exploratory testing workflows;
- использовать AI для генерации и поддержки automated tests;
- работать с browser automation через AI agents;
- использовать MCP для подключения AI-агентов к QA-инструментам;
- применять Playwright в связке с AI agents;
- использовать AI для анализа failed tests и первичного root-cause analysis;
- автоматизировать QA workflow от requirement до defect report;
- создавать собственного специализированного QA Agent;
- оценивать качество результатов работы AI и выстраивать human-in-the-loop контроль;
- понимать риски использования ИИ.
Что вы получите на курсе?
Программа
1
- Как меняется роль QA в эпоху Generative AI
- Тестирование с помощью ИИ и тестирование на основе ИИ
- AI Assistant, AI Agent и агентский рабочий процесс
- Что агент может делать самостоятельно: планировать → действовать → наблюдать → анализировать → адаптироваться
- Где AI реально экономит время QA, а где создает дополнительные риски
- Human-in-the-loop как часть современного QA-процесса
Упражняться:
- Анализ собственного QA workflow
- Определение задач, которые можно делегировать AI
- Построение первого AI-powered QA workflow
2
- Анализ requirements, user stories и aceptance criteria
- Выявление ambiguities и missing requirements
- Генерация test scenarios
- Положительные/отрицательные/граничные/краевые случаи
- Risk-based test design с помощью AI
- Прослеживаемость между требованиями и тестами
Упражняться:
Участницы и участники передают AI user story и получают:
Требования → Риски → Тестовые сценарии → Тестовые случаи → Предельные случаи
3
- Синтетические тестовые данные
- Предельные значения
- Недействительные данные
- Комбинации и граничные случаи
- Массовые варианты тестовых данных
- AI как «вторая тестировщица / второй тестировщик»
- Поиск нетипичных сценариев
Упражняться:
Создание AI-driven exploratory testing session для реального или demo-продукта.
4
- Генерация автоматизированных тестов
- Превращение ручных тестовых случаев в автоматизацию
- Кодирование с помощью ИИ
- Генерация селекторов и утверждений
- Рефакторинг автоматизированных тестов
- Тестовое обслуживание
Упражняться:
- Создание automated test с помощью AI
- Генерация тестов с natural language
- Анализ и улучшение тестового кода
5
- Как AI agent взаимодействует с веб-приложением
- Автоматизация обозревателя
- Восприятие агента → планирование → действие
- Контекст и вызов инструмента
- MCP: что это и зачем QA
- Серверы MCP для тестирования рабочих процессов
- Подключение AI-агента к автоматизации браузера
Упражняться:
Создание workflow:
AI Agent → Браузер → Приложение → Тестовый сценарий → Результат
Участницы и участники дают агенту задачу на естественном языке, а агент самостоятельно выполняет последовательность действий в web application.
6
- Планирование тестового прогона агентом
- Выбор тестов
- Запуск тестов
- Анализ результатов
- Работа с неудачными тестами
- Ненадежные тесты
- Анализ первопричин
- Отчеты о тестах, сгенерированных искусственным интеллектом
Упражняться:
AI получает результаты test run и самостоятельно выполняет:
Обнаружение → Анализ → Классификация → Пояснения → Рекомендация
7
- Оркестровка агента
- Одноагентные и многоагентные рабочие процессы
- Автоматизация повторяющихся операций контроля качества
- Что оставить за человеком
- Галлюцинации
- Ошибочные срабатывания / ошибочные негативы
- Безопасность и конфиденциальность
- Контроль доступа
8
Часто задаваемые вопросы
1
Курс предназначен для QA Automation Engineers, Test Engineers, SDET, QA Leads, Test Leads и других специалистов, желающих использовать AI Agents для автоматизации и оптимизации процессов тестирования. Важно иметь базовые знания Software Testing, SDLC, тест-кейсов и баг-репортов. Для практической работы с автоматизацией – опыт работы с web testing.
2
Курс выходит за рамки использования ChatGPT или Claude для написания тест-кейсов. Участники учатся строить agentic workflows, в которых AI может самостоятельно выполнять последовательность QA-задач: анализировать требования, формировать тестовые сценарии, работать с browser automation, запускать тесты, анализировать результаты и готовить отчеты.
3
В программе используются современные AI и QA-инструменты, в частности, AI assistants/agents, Playwright, MCP и инструменты для AI-assisted test automation. Конкретный набор инструментов может адаптироваться под уровень группы и технологический стек компании.
4
Участник сможет использовать AI Agents для анализа требований, создания тестовых сценариев и тестовых данных, exploratory testing, генерации и поддержки automated tests, анализа failed tests и подготовки bug reports.
5
Да. Программа особенно хорошо подходит для команд QA, которые планируют системно внедрять AI в процессы тестирования. Корпоративную версию можно адаптировать под конкретный стек компании, уровень участников и реальные QA-процессы: Jira, Confluence, Git, CI/CD, Playwright и другие инструменты.
6
Учеба объединяет короткие теоретические блоки, демонстрации и практическую работу. Основной упор сделан на том, чтобы участники не просто ознакомились с AI Agents, а научились применять их в реальных QA-сценариях.
7
Да. Для корпоративных клиентов можем адаптировать практические задания под реальные продукты, QA-процессы и технологический стек команды. Также возможно расширение программы до более глубокого практического формата с построением end-to-end Agentic QA Workflow для конкретной компании.
Курс
10 занятий
6 недель
Онлайн
29000 грн
Проводит обучение
Максим Федоров
Консультант по IT-архитектуре, внедрению AI, разработке и обеспечению качества ПО.