Чем больше изучаю Maestro, тем чаще ловлю себя на одной мысли. Кажется, фокус в мобильной автоматизации постепенно смещается. Раньше большая часть времени уходила на: - написание фреймворка - поддержку инфраструктуры - настройку инструментов - борьбу с зависимостями Сегодня всё чаще возникает другой вопрос:

А насколько хорошо ты понимаешь продукт, который тестируешь?

Потому что именно от этого зависит: 👉 какие сценарии попадут в регрессию 👉 какие риски будут покрыты тестами 👉 насколько качественными будут тест-кейсы

И вот здесь начинается самое интересное.

С появлением MCP и встроенных возможностей Maestro создание самого теста постепенно перестаёт быть главной задачей. Фреймворк уже умеет: - анализировать приложение - помогать с написанием сценариев - генерировать тесты - объяснять причины падений - предлагать исправления

Получается, что ценность инженера всё больше смещается от вопроса: “Как написать тест?”

к вопросу:

“Что именно нужно протестировать и почему?”

И здесь, как мне кажется, начинается очень интересное время для Manual QA

Потому что хороший ручной тестировщик обычно отлично понимает: продукт - пользовательские - сценарии - риски - бизнес-логику

А именно эти знания становятся всё ценнее.

Мне вообще кажется, что сильный Manual QA может довольно быстро превратиться в сильного AI-assisted QA.

Когда инженер хорошо понимает продукт, умеет проектировать тесты и знает, где искать риски, AI уже может взять на себя часть рутинной работы по созданию и поддержке автотестов. Поэтому, возможно, в ближайшие годы конкурентным преимуществом станет не умение написать больше кода. А умение правильно поставить задачу AI и проверить результат его работы. Потому что написать тест всё чаще поможет инструмент. А вот понять, какой тест действительно нужен продукту, по-прежнему задача инженера. И да… не всё должно быть сложным, чтобы быть мощным ))