რას ცვლის AI ტესტერის ყოველდღიურ სამუშაო გარემოში?

მრავალი პროგრამული უზრუნველყოფის ტესტერისთვის, ხელოვნურ ინტელექტთან მუშაობა ყოველდღიური საქმიანობის განუყოფელი ნაწილია. მიუხედავად იმისა, რომ AI-ს სწრაფი განვითარება პროფესიის ჩანაცვლების შიშს აჩენს, რეალური ცვლილება როგორც წესი, თავად როლის გარდაქმნაში გამოიხატება.

შეგვიძლია ვთქვათ, რომ AI ეფექტურად ართმევს თავს განმეორებად და რუტინულ ამოცანებს: ტესტ ქეისების პირველად გენერაციას, სატესტო მონაცემებისა და ბაგ-რეპორტების ფორმულირებას. მეორე მხრივ, მისი გამოყენება ტესტერების საჭიროებასაც ზრდის, რადგან AI-ს გენერირებულ კოდს შესაძლოა, უფრო მეტი დეფექტი ჰქონდეს. გამოდის, რომ მცირდება მოთხოვნა ერთ კონკრეტულ როლზე და იზრდება მოთხოვნა იმ სპეციალისტებზე, რომლებსაც სისტემის შეფასება, რისკების იდენტიფიცირება და AI-ის მიერ გენერირებული შედეგების კრიტიკულად გაანალიზება შეუძლიათ. 

რას გვიჩვენებს კვლევა

ცვლილებების უკეთ დასანახად, ერთ-ერთი ყველაზე მნიშვნელოვანი წყარო World Quality Report 2025-26-ია. Capgemini-ს, Sogeti-სა და OpenText-ის გლობალური კვლევა, რომლის მიგნებები, 2000-ზე მეტ დარგის ექსპერტის გამოკითხვას ეფუძნება.

კვლევის ერთ-ერთი ყველაზე მნიშვნელოვანი ეტაპი აჩვენებს, რამდენად სწრაფად ინტეგრირდება გენერაციული AI ხარისხის ინჟინერიაში. აღნიშნული მონაცემების მიხედვით, გამოკითხული ორგანიზაციების 89% უკვე ნერგავს ან ჩართულია GenAI-ზე დაფუძნებულ სამუშაო პროცესებში. მათგან 37% ტექნოლოგიას პროდაქშენში იყენებს, 52% კი ჯერ კიდევ საპილოტე ეტაპზეა. თუმცა, ამ ეტაპზე, GenAI-ს სრულად დანერგვა მათგან მხოლოდ 15%-მა შეძლო.

კვლევის კიდევ ერთი მიგნების მიხედვით, GenAI-ის გამოყენებამ ტესტირებაში საშუალოდ 19%-იანი პროდუქტიულობის ზრდა აჩვენა. თუმცა, გამოკითხულთა დაახლოებით მესამედმა, მხოლოდ მცირე გაუმჯობესება დაინახა. ეს ციფრი მნიშვნელოვანია, რადგან გვაჩვენებს, რომ AI-ის დანერგვა ავტომატურად უკეთეს შედეგს არ ნიშნავს. ეფექტი დიდწილად, შესაბამის უნარებზეა დამოკიდებული. მათ შორის, გუნდზე, შიდა პროცესებზე და იმაზე, თუ როგორ არის ტექნოლოგია სამუშაო პროცესში ინტეგრირებული.

არ უნდა გამოგვრჩეს, რომ AI-ის მიმართ დამოკიდებულებაც ასე თუ ისე, კომპლექსური ხდება. საინტერესოა ტენდენცია: თუ 2023 წელს, ორგანიზაციების 31% საერთოდ არ იყენებდა GenAI-ს, 2024 წლის მასობრივი ბუმის დროს, ეს მაჩვენებელი 4%-მდე შემცირდა, წელს კი კვლავ 11%-მდე გაიზარდა.

ცხადია, AI-ის დანერგვა თავისთავად არ ნიშნავს, რომ ტესტირების პროცესი ავტომატურად უფრო ეფექტური ხდება. პირიქით, კომპანიები ახლა იმ ეტაპზე გადადიან, როცა მთავარი გამოწვევა არა AI-ის გამოყენება, არამედ არსებულ პროცესებთან სანდოდ, უსაფრთხოდ და სწორად ინტეგრირებაა.

World Quality Report-ის მიხედვით, 2024 წელს მთავარი დაბრკოლებები უფრო სტრატეგიულ ხასიათს ატარებდა: ვალიდაციის სტრატეგიის არარსებობა, AI-სთან დაკავშირებული უნარების დეფიციტი და ხარისხის ინჟინერიის როლისა და ორგანიზების ბუნდოვანება. 2025-26 წლის მონაცემები კი აჩვენებს, რომ ეს გამოწვევები უფრო პრაქტიკულ და ოპერაციულ პრობლემებად გარდაიქმნა.

ყველა შემთხვევაში მთავარი კითხვა ერთი და იგივეა: რამდენად შეგვიძლია ვენდოთ იმას, რასაც AI აკეთებს?

რისი გაკეთება შეუძლია ხელოვნურ ინტელექტს დაუბრკოლებლად და სად იქმნება პრობლემა

AI-ს ტესტირების პროცესის მრავალი ეტაპის დაჩქარება შეუძლია. განსაკუთრებით იქ, სადაც დიდი მოცულობის ინფორმაციის დამუშავებაა საჭირო. 

მათ შორის: ტესტ ქეისების პირველად ვერსიების შექმნა, რომელთაც ცხადია, შემდგომ შესწორება სჭირდება; სატესტო მონაცემების გენერაცია - სახელების, მისამართების, მომხმარებლის პროფილების, შეკვეთების, ტრანზაქციებისა და სხვა რეალისტური მონაცემების შექმნა; ბაგ-რეპორტის ფორმულირება; მოთხოვნების ბუნდოვანების აღმოჩენა.

აქ ჩნდება მთავარი კითხვა ტესტერებისთვის: რამდენად ცვლის AI ტესტერის საჭიროებას? რას აკეთებს ხელოვნური ინტელექტი ტესტერის ნაცვლად და რას - ვერ?

პასუხი ცალსახაა: პროფესიონალის საჭიროება ყოველთვისაა. ამ შემთხვევაში, იცვლება მხოლოდ ის, თუ რას ელის ინდუსტრია მისგან. AI-ის ეპოქაში სულ უფრო მნიშვნელოვანი ხდება სპეციალისტი, რომელსაც შეუძლია, არამხოლოდ ამოცანების შესრულება, არამედ სისტემის სწორად შეფასება, რისკების დანახვა, AI-ის მიერ მიღებული შედეგების გადამოწმება და იმის განსაზღვრა, რამდენად შეიძლება მათზე დაყრდნობა.

პრაქტიკული რჩევები ტესტერებისთვის

თუ მანუალურ ტესტერად მუშაობ:

1. დაიწყე SQL-ით.

თუ ავტომატიზაციის მიმართულებით განვითარებას გეგმავ, SQL ერთ-ერთი ყველაზე მნიშვნელოვანი ტექნიკური უნარია. ის დაგეხმარება მონაცემთა ბაზებთან მუშაობის, ტესტირების შედეგების გადამოწმებისა და პრობლემების მიზეზების უკეთ გააზრებაში.

2. API ტესტირება UI ავტომატიზაციაზე ადრე ისწავლე.

API-ს დონეზე ტესტირება შედარებით სტაბილურია და საშუალებას გაძლევს, უკეთ გაიგო, როგორ მუშაობს სისტემა UI-ის მიღმა. 

3. AI ყოველდღიურ სამუშაო პროცესში ჩართე.

არ არის აუცილებელი, ერთდროულად რამდენიმე ინსტრუმენტის სწავლა. დაიწყე ერთი კონკრეტული ამოცანით, მაგალითად, ტესტ ქეისების პირველადი ვერსიის შექმნით, სატესტო მონაცემების გენერირებით ან ბაგ-რეპორტების ფორმულირებით. მთავარი არა კონკრეტული ხელსაწყოს ცოდნა, არამედ იმის გააზრებაა, როდის არის მისი გამოყენება ეფექტური და როდის საჭიროებს შედეგი გადამოწმებას.

4. განსაკუთრებული ყურადღება მიაქციე AI-ის შედეგების ვალიდაციას.

AI-ის მიერ შექმნილი ტესტი ან კოდი საბოლოო ვერსია არ უნდა იყოს. შენი ღირებულება სწორედ იმაში მდგომარეობს, რომ შეძლო შედეგის კრიტიკულად შეფასება: რა გამოტოვა AI-მ, რომელი სცენარია არარელევანტური, სად არის რისკი და რა საჭიროებს დამატებით შემოწმებას.

თუ QA ლიდი ხარ:

1. AI-ის დანერგვამდე განსაზღვრე, როგორ შეაფასებ მის შედეგს.

AI-ის გამოყენება თავისთავად არ ნიშნავს პროდუქტიულობის ზრდას. წინასწარ განსაზღვრე, რას გაზომავ: ტესტირების დროს, დაფარული სცენარების რაოდენობას, დეფექტების აღმოჩენის მაჩვენებელს თუ სხვა შესაბამის მეტრიკას.

2. შედეგი გაზომე გუნდის რეალური მდგომარეობიდან გამომდინარე.

ინდუსტრიის საშუალო მაჩვენებელი შენს გუნდზე ავტომატურად არ ვრცელდება, წინააღმდეგ შემთხვევაში, რთული იქნება იმის განსაზღვრა, რეალურად რა შეიცვალა მისი დანერგვის შემდეგ.

3. შეაფასე გუნდის არსებული უნარები და განსაზღვრე, რა აკლია.

ავტომატიზაციისა და AI-ის მიმართულებით, სპეციალისტთა დეფიციტის პირობებში, უფრო ეფექტურია არსებული გუნდის გადამზადება, ვიდრე ამ მიმართულებით ცალ-ცალკე სპეციალისტის ძებნა. განსაკუთრებით მნიშვნელოვანია SQL-ის, API ტესტირებისა და ავტომატიზაციის საბაზისო ცოდნის გაძლიერება.

4. AI-ის გამოყენება პროცესად აქციე და არა ცალკეულ ექსპერიმენტად

თუ გუნდი AI-ს სხვადასხვა ხელსაწყოს იყენებს, მაგრამ საერთო წესები იმის შესახებ, როგორ მოწმდება შედეგი და ვინ იღებს საბოლოო გადაწყვეტილებას, არ არსებობს, ტექნოლოგიის დანერგვა დამატებით ქაოსს შექმნის. ამიტომ მნიშვნელოვანია, არა მხოლოდ ინსტრუმენტის არჩევა, არამედ გამოყენების პროცესის განსაზღვრაც.

Testers’ Day 2026

9 სექტემბერს, თბილისში Testers’ Day 2026 გაიმართება. ესაა ღონისძიება, რომელიც საქართველოში პროგრამული უზრუნველყოფის ტესტირების პროფესიონალებს, ტექნოლოგიური ინდუსტრიის წარმომადგენლებსა და QA სფეროს ლიდერებს აერთიანებს. წლევანდელი ღონისძიების მთავარი თემები საკმაოდ აქტუალურია. მათ შორისაა, ხელოვნური ინტელექტისა და ტესტირების მომავალი, ტექნიკური გამოწვევები და მათი გადაჭრის გზები. მონაწილეებს შესაძლებლობა ექნებათ, მოისმინონ ადგილობრივი და საერთაშორისო ექსპერტების გამოცდილება, გაეცნონ რეალურ ქეისებს, ჩაერთონ დისკუსიებსა და პრაქტიკულ ვორქშოფებში. 

Testers’ Day 2026-ზე სმარტ აკადემიაც იქნება. შეძლებთ, შეხვდეთ ჩვენს გუნდს, გაიცნოთ ჩვენი QA მიმართულება და მიიღოთ ინფორმაციას სფეროში განვითარების შესაძლებლობებზე.