Использование ИИ в тестировании программного обеспечения - это переход от старого компаса к современной GPS-навигации. Технологический прорыв со времен ручного тестирования не просто поражает - он открывает новые горизонты эффективности, точности и скорости. Это не просто эволюция - это изменение правил игры, которое приносит с собой множество возможностей и скрытых бонусов.
Какие именно трансформации несут ИИ и машинное обучение, рассказал в интервью Gazeta.ua Евгений Иванченко - инженер по качеству с 11-летним стажем, лауреат премии BrainTech Awards 2024, член ISQA, судья A&A Committee IEEE, автор решений на стыке QA, архитектуры и кибербезопасности в проектах CareMetx, Endava и Twomagnets Inc.
Как за последние годы изменился подход к тестированию?
Когда я начинал, все делалось вручную - от поиска багов до тестирования по чеклистам. Затем пришла эра автоматизации: мы научились писать автотесты, интегрировать их в CI/CD, строить пайплайны. Сейчас мы входим в эпоху ИИ - где тест-кейсы строятся и приоритезируются алгоритмами, а анализ покрытия происходит в реальном времени.
Вы работали в разных компаниях и отраслях. А где, по Вашему мнению, ваша роль действительно была критически важной для успеха проекта или бизнеса?
Таких проектов несколько. Я считаю критически важным свою роль в Transamerica, где от моих решений зависело соответствие федеральным требованиям и защита миллиардов долларов клиентских средств; в Endava, где я с нуля построил инфраструктуру тестирования для распределенной банковской системы; в CareMetx, где мои фреймворки обеспечили качество и безопасность продуктов в области цифрового здравоохранения; а также в Twomagnets Inc. (Clipboard Health), где мое участие усилило надежность мобильной платформы для медицинских специалистов. В любом случае я не просто "тестировал" - я создавал системы, без которых платформа не могла бы полноценно функционировать.
К примеру, в Transamerica я отвечал за автоматизированную валидацию данных, используемых в актуарных расчетах и финансовой отчетности. Система, которую я разработал, стала обязательной частью всех релизов: она обнаруживает ошибки попадания данных в отчеты, поступающие в SEC и FINRA. Это единственный барьер между потенциальным багом и миллионами клиентов. Мы сократили 60% ручной работы, обеспечили 100% регуляторное соответствие и сэкономили более $250 000 в год. Без этой системы релизы были под угрозой.
В проекте для eFirstBank я был единственным инженером, создавшим фреймворк для автоматизированного тестирования Kafka-топиков. Раньше у клиента не было такого инструмента. Эта система позволила отслеживать сбои в реальном времени и обеспечила стабильность всех распределенных компонентов.
В CareMetx, который является партнером более 80 фармбрендов, я внедрил фреймворк UX/UI тестирования всей платформы, а также участвовал в разработке стандартов, интегрированных в CI/CD и операционных процессах. Кроме того, мы объединили данные о безопасности всех репозиториев в централизованную систему мониторинга. Это позволило нам сократить среднее время устранения уязвимостей более чем на 40% и избежать выхода в продакшн критических дефектов.
А что Вы можете рассказать о работе с Twomagnets Inc. (Clipboard Health)? Что именно Вы реализовали там и почему это было критично?
В Twomagnets Inc., в рамках бренда Clipboard Health, я был вовлечен в обеспечение качества мобильной платформы, соединяющей медицинских специалистов с работодателями. Я разработал комплекс тестовых стратегий и автоматизированных сценариев, включая эмуляцию различных пользовательских профилей (медсестры, терапевты, администраторы), чтобы выявлять и предотвращать критические ошибки при переключении между рабочими сессиями. Благодаря этому мы обеспечили:
• стабильную работу приложения при переключении между аккаунтами и ролями, что критично для соблюдения конфиденциальности и непрерывности рабочих процессов;
• снижение количества сбоев в продакшене на 35%, тем самым повысив доверие пользователей и эффективность платформы.
Кроме этого, Вы занимались и более инновационными проектами?
Да, сегодня все больше IT-продуктов и бизнес-приложений работают с ИИ. В результате мы приходим к ситуации, когда ИИ тестирует ИИ. Особенно это актуально в случае обучения или агентных моделей, поскольку их поведение динамично и изменяется в зависимости от входных данных.
К примеру, в компании Pathmind я разработал автоматизированные фреймворки для тестирования поведения агентных систем в симуляциях AnyLogic. Это решение позволило проверять корректность поведения ИИ-агентов еще до их внедрения в реальные промышленные сценарии. Фактически оно заложило основу для стандартизации тестирования в области симуляционного и агентного моделирования.
Уникальность подхода состоит в том, что он сочетает автоматизированное покрытие бизнес-сценариев с валидацией вероятностных моделей, что раньше считалось невозможным в масштабах промышленных систем. Эти методики применяются:
• в финансовой сфере - для проверки алгоритмов автоматического принятия решений и предотвращения системных рисков;
• в сфере здравоохранения - для тестирования цифровых ассистентов и платформ телемедицины, где ошибка ИИ может стоить слишком дорого;
• в логистике и производстве - для оптимизации поведения ИИ-агентов в симуляциях.
Значимость для индустрии заключается в том, что теперь компании могут внедрять ИИ решения с гарантией качества и предсказуемости поведения, а не "вслепую". По сути, мы впервые подошли к созданию стандартов тестирования для ИИ-систем. Эти методики уже повлияли на формирование нового уровня доверия к продуктам с ИИ-ядром и стали востребованы в разных отраслях - от финансовых корпораций до стартапов в сфере кибербезопасности.
Что дальше? Над чем Вы работаете сейчас?
Моя цель - научить новое поколение QA-инженеров, способных не просто "тестировать", а стратегически влиять на архитектуру и безопасность систем. Я также продолжаю разрабатывать ИИ решения, которые смогут не только находить ошибки, но и прогнозировать угрозы заранее.
2 
1
Комментарии