В 2026 году уже никто не спорит, что искусственный интеллект радикально меняет тестирование, как и все сферы бизнеса. Вопрос только в том, кого он заменит и кого сделает значительно ценнее как эксперта.
По данным World Quality Report 2025, 89% компаний пилотируют или внедряют Generative AI в процессы Quality Engineering. При этом только 15% сделали это на уровне всей организации. Остальные находятся в стадии осторожного эксперимента.
AI заменяет не QA-инженеров, а QA-инженеров, которые не используют AI.
Что уже происходит прямо сейчас
Что уже изменилось к середине 2026 года
1. Ручное тестирование сильно сжалось
Классический Manual QA (кликать по интерфейсу, писать тест-кейсы в Excel) стал одной из самых уязвимых позиций. Компании активно сокращают junior/middle manual-тестировщиков, особенно тех, кто не владеет автоматизацией.
Статистика 2025–2026 годов:
В 46% компаний автоматизация заменила 50% и более ручных тестировочных усилий.
Только 10% респондентов отмечают, что классическое ручное тестирование всё ещё остаётся преобладающим (в основном из-за специфики архитектуры приложений).
Доля чисто ручных QA-позиций на рынке труда сократилась до 15–20% от общего количества вакансий в тестировании.
Команды, активно внедрившие AI-инструменты, показывают рост продуктивности на 40–60%, что позволяет выполнять тот же объём работы меньшим количеством людей.
Яндекс и Сбер значительно увеличили долю автоматизации. По данным отчётов рынка, в крупных российских компаниях (Яндекс, Сбер, Т-Банк, Ozon) доля manual-тестировщиков в новых наймах упала ниже 25%.
Ozon и Wildberries в 2025–2026 годах перевели значительную часть регрессионного тестирования на AI-инструменты, сократив ручные усилия на 40–50%.
AI-инструменты массово генерируют тест-кейсы, тестовые данные и проводят базовую регрессию, существенно снижая потребность в ручном исполнении повторяющихся сценариев.
2. Self-healing и autonomous testing — уже стандарт
Самовосстанавливающиеся тесты (self-healing) больше не маркетинг. Инструменты на базе ИИ (Mabl, Testim, Virtuoso, QA Wolf, Momentic и другие) автоматически адаптируются к изменениям UI, снижают флейки и уменьшают время на поддержку автотестов на 60–85%.
Статистика и примеры:
Инструменты self-healing сокращают время на поддержку автотестов на 60–85% и снижают количество флейков на 70–90%.
По данным 2025–2026 годов, более 60% крупных компаний используют или пилотируют self-healing в своих фреймворках.
Кейс одной крупной международной компании: после внедрения self-healing maintenance-усилия упали на 88%, надёжность тестов выросла с 72% до 96%, а покрытие тестами увеличилось в 4 раза без роста штата.
Популярные инструменты и компании:
Mabl — активно используется в средних и крупных продуктовых компаниях США и Европы. Снижает maintenance до 95%.
Testim (Tricentis), Virtuoso, QA Wolf и Momentic — популярны в fintech и e-commerce.
В России: Яндекс и Сбер применяют собственные и адаптированные AI-решения для self-healing, особенно в высоконагруженных сервисах. Многие российские компании (Ozon, VK, Т-Банк) интегрируют self-healing в свои CI/CD-пайплайны.
3. QA превращается в Quality Engineering
Роль смещается от «исполнителя» к «стратегу»:
Определение рисков и приоритезация тестирования
Архитектура качества
Надзор за работой AI-агентов
Тестирование самих AI-систем (LLM, агентов, RAG-систем)
Статистика 2025–2026 годов:
По данным World Quality Report 2025–2026, 89% компаний пилотируют или внедряют Generative AI в процессы Quality Engineering, но только 15% достигли полноценного enterprise-wide внедрения.
37% организаций уже используют GenAI в продакшене, 52% — находятся в стадии пилотов.
Генеративный ИИ стал топ-навыком для Quality Engineers (63% компаний считают его наиболее важным).
Только 20% компаний полностью интегрировали Quality Engineering в Agile-команды, что показывает: переход идёт, но требует серьёзных изменений в структуре и компетенциях.
Организации, успешно перешедшие на модель Quality Engineering, показывают 45% рост частоты деплоев, 38% сокращение времени вывода изменений и 32% снижение количества сбоев в продакшене.
О компании:
Яндекс и Сбер — одними из первых в России начали трансформацию QA в Quality Engineering. В Сбере Quality Engineers активно участвуют в определении рисков и приоритизации тестирования крупных платформ. Яндекс использует специалистов для надзора за работой внутренних AI-агентов и тестирования собственных нейросетевых продуктов.
Ozon, Т-Банк, VK — переходят на модель, где Quality Engineer проектирует стратегию качества и управляет AI-инструментами, а не только запускает тесты.
Ключевые направления новой роли Quality Engineer:
Определение рисков и приоритезация тестирования Вместо тестирования всего подряд — фокус на бизнес-рисках. AI помогает предсказывать вероятные места багов, а человек принимает финальные решения.
Архитектура качества Проектирование процессов качества с самого начала разработки (Shift-Left), выбор инструментов, построение тестовой стратегии и метрик качества на уровне продукта.
Надзор за работой AI-агентов Quality Engineer теперь выступает «оркестратором» — проверяет, корректирует и контролирует результаты работы AI-агентов, которые генерируют тесты и данные.
Тестирование самих AI-систем (LLM, агентов, RAG-систем) Это одно из самых быстрорастущих направлений. Специалисты тестируют галлюцинации, bias, безопасность, faithfulness и производительность нейросетей. Спрос на таких экспертов значительно выше среднего по рынку.
Вывод по разделу: Переход от QA к Quality Engineering — это не смена названия должности, а изменение мышления и уровня ответственности. Специалисты, которые освоили стратегический подход, становятся гораздо более востребованными и высокооплачиваемыми, в то время как «классические исполнители» испытывают всё большее давление.
Детали:
Аспект | Влияние AI | Последствия для позиций |
|---|---|---|
Ручное тестирование | Автоматизация регрессии, генерация тест-кейсов, self-healing тестов | Сильно сокращается спрос на чистых Manual QA (особенно junior/middle) |
Автоматизация | AI-агенты пишут и поддерживают автотесты, визуальное тестирование, генерация данных | Растёт спрос на SDET / Automation + AI |
Тестовая стратегия | AI помогает с приоритизацией рисков и предсказанием багов | Человеческий QA становится дороже и ценнее |
Exploratory testing | AI слабо справляется с креативом, UX, edge-кейсами и бизнес-логикой | Остаётся почти полностью за человеком |
Тестирование AI-систем | Новое большое направление (тестирование LLM, агентов, галлюцинаций) | Появляются новые высокооплачиваемые роли в сфере QA |
Ключевые тренды 2026 года:
Сокращение "классического" Manual QA Компании всё меньше нанимают людей, которые только кликают по интерфейсу. Чистый manual тестировщик без автоматизации — один из самых уязвимых профилей сейчас.
Рост Quality Engineer / AI-QA Лучшие специалисты переходят в роли:
Quality Engineer (стратегия + архитектура качества)
AI Testing Specialist
Test Automation + AI Orchestrator
QA, специализирующийся на тестировании нейросетей
Продуктивность выросла сильно По данным 2025–2026 годов, команды с AI в QA показывают рост продуктивности на 40–60%+. Компаниям нужно меньше людей на тот же объём работы, но эти люди должны быть сильнее.
Новые требования к навыкам (must-have в 2026):
Python / Java + Playwright / Cypress + AI-инструменты
Понимание, как работать с AI-агентами (prompt engineering для тестов)
Знание CI/CD, инфраструктуры тестов
Базовое понимание ML (особенно если тестируешь AI-продукты)
Тест-дизайн + риск-ориентированное тестирование
Реалистичный прогноз
Junior Manual QA — сложно войти, конкуренция высокая, зарплаты под давлением.
Middle+ Automation QA с AI — спрос остаётся хорошим или даже растёт.
Специалисты, которые умеют тестировать AI-системы — один из самых перспективных сегментов.
Общее количество QA-позиций немного сократится, но качество и зарплата топ-специалистов вырастут.