Как «СВОЙ Тех» сократил подготовку QA к тестированию на 70% с помощью трёх ИИ-агентов

IT-кластер «СВОЙ Тех» финтех-группы «Свой» выстроил пайплайн из трёх ИИ-агентов, который берёт на себя подготовительную аналитику перед тестированием. По внутренним оценкам компании, время на этот этап сократилось примерно на 70%: типовая задача, которая раньше занимала 4 часа, теперь требует 1–2 часа активной работы инженера.

Толчком к автоматизации стали не технологические эксперименты, а банальный учёт. Команда сначала ввела два внутренних регламента — оценки задач QA и учёта рабочего времени. Когда появились данные по активности, выяснилось, что значительная часть рабочего времени уходит не на само тестирование, а на подготовку к нему: чтение требований из Jira и Confluence, поиск связанной документации, разбор бизнес-правил и составление тестовых сценариев. Именно эти процессы стали первыми кандидатами на автоматизацию.

Архитектура решения построена на разделении ответственности между тремя агентами. Первый — координатор (Workflow Coordinator) — управляет процессом и делегирует задачи, не занимаясь анализом напрямую. Второй — исследователь требований (Requirements Researcher) — собирает описание тикета, acceptance criteria, связанные страницы документации и вложения, структурирует их в единый корпус, не интерпретируя и не переписывая исходный смысл. Третий — архитектор тест-дизайна (QA Test Design Architect) — на основе собранных требований разбивает функциональность на сценарии, выявляет ветки логики, формирует тестовое покрытие и помогает оценить объём работ. QA-инженер получает готовую структуру и уже на её основе формирует финальные тесты.

На типовой задаче с оценкой 4 часа экономия распределяется по двум этапам. На этапе исследования агент автоматически собирает требования, выявляет пробелы и находит связанные сущности — таблицы в базе данных, смежный функционал. Это даёт минус 1 час ручного анализа. На этапе тест-дизайна агент генерирует тестовую модель: сценарии, critical path, регрессионные проверки. Поскольку инженер работает с готовой структурой, а не с чистым листом, здесь экономится ещё около 2 часов.

Наиболее ценным эффектом в команде называют не ускорение само по себе, а раннее выявление проблем в требованиях. Агенты обнаруживают отсутствующие сценарии, неполные бизнес-правила, ссылки на несуществующие документы и противоречия между требованиями — иногда ещё до начала разработки. Это напрямую снижает стоимость исправления ошибок на поздних этапах.

Однако у подхода есть выраженное ограничение, которое проявилось на практике. Агенты склонны мыслить максимально широко: получив задачу на тестирование поп-апа на странице, система строит чек-лист для всей страницы и всего связанного функционала. Человек в той же ситуации сфокусировался бы только на поведении поп-апа. Результат — избыточные проверки и завышенная оценка там, где задача локальна. Это означает, что финальный контроль над объёмом тестирования остаётся за инженером, и слепое доверие к выводам агентов может привести к неоправданным трудозатратам.