Многие сейчас задаются этим вопросом, особенно junior и middle QA, которые видят, как GitHub Copilot, Cursor, Testim, Mabl, Applitools, ChatGPT и российские аналоги генерируют автотесты за минуты. Кажется, что скоро ручной труд умрёт. Но реальность, как всегда, сложнее.

Что уже умеет AI в тестировании (2026)

• Генерация unit- и API-тестов по коду и спецификациям. • Автоматическое создание тест-кейсов из пользовательских историй и требований. • Визуальное тестирование (нахождение отличий в UI). • Генерация нагрузочных сценариев. • Анализ логов и автоматическое определение причин падений. • Создание E2E-тестов через запись действий или по описанию на естественном языке. • Предиктивная аналитика: где скорее всего будут баги.

AI реально закрывает 40–70% рутинных задач в зависимости от проекта (веб, мобильные приложения, backend).

Но вот где AI пока сильно проседает:

1. Понимание "почему это плохо для пользователя" AI отлично проверяет, работает ли кнопка. Но он плохо понимает, что кнопка "Купить" в неправильном месте убивает конверсию, что UX-паттерн раздражает, что текст ошибки звучит не по-человечески. Для этого нужен человеческий опыт и эмпатия.

2. Исследовательское тестирование (Exploratory Testing) Это когда тестировщик "ломает" продукт как вредный пользователь. Самые дорогие и критичные баги почти всегда находятся именно в исследовательском тестировании, а не по чек-листам. AI пока слабо имитирует креативное "злоупотребление" системой.

3. Domain knowledge и бизнес-контекст В финтехе, медицине, геймдеве или enterprise-системах огромную роль играет понимание предметной области. AI может выучить документацию, но глубокое "чувство продукта" и риски для бизнеса формируются годами.

4. Edge-кейсы и необычные пользовательские сценарии Особенно в мобильных приложениях: разные устройства, версии ОС, слабый интернет, прерывания (звонок, уведомление), accessibility, культурные особенности.

5. Тестирование нефункциональных требований Usability, accessibility, security (на уровне penetration testing), performance в реальных условиях — здесь AI пока помощник, а не замена.

Что будет на самом деле

AI не заменит QA. Он заменит плохих и средних QA.

Ручное тестирование "по чек-листу" действительно умрёт в большинстве проектов. Компании будут держать значительно меньше чистых "кликеров". Но сильно вырастет спрос на:

• QA Engineers / SDET — людей, которые умеют работать с AI-инструментами, писать сложные автотесты, строить тест-стратегии и фреймворки. • Test Analysts / QA с продуктовым мышлением — тех, кто понимает бизнес и пользователя лучше, чем модель. • AI QA Specialists — новую роль, где человек настраивает, обучает, валидирует и управляет AI-тестированием. • Специалистов по exploratory и usability testing.

Мой прогноз на 3–5 лет:

• Общее количество позиций "Manual QA" сократится на 40–60%. • Средняя зарплата оставшихся ручных тестировщиков упадёт (кроме сильных специалистов в сложных доменах). • Зарплаты QA, которые глубоко освоили AI-инструменты + код + продукт, вырастут. • Появится новая прослойка очень дорогих "Senior QA Architects", которые проектируют системы качества для крупных продуктов.

Что делать сейчас, если ты QA:

1. Учи Python/TypeScript (минимум для автотестов). 2. Осваивай современные AI-инструменты для тестирования (не только ChatGPT). 3. Развивай продуктовое мышление и понимание пользователя. 4. Учись работать с тестовой аналитикой и метриками качества. 5. Специализируйся: performance, security, accessibility, mobile — там AI пока слабее.

Вывод:

AI — это не могильщик профессии QA, а мощнейший катализатор её эволюции. Как когда-то автоматизация не убила разработчиков, а сделала их в разы продуктивнее, так и здесь.

Те, кто будет сопротивляться и говорить "я всегда буду тестировать руками", рискуют остаться за бортом. Те, кто научится эффективно использовать AI как суперсилу, станут значительно ценнее и востребованнее, чем сегодняшние "классические" ручные тестировщики.

Профессия не исчезнет. Она станет умнее, технически глубже и ближе к продукту.