Почему один баг с одинаковым severity фиксится за час, а другой висит две недели? Мы часто списываем это на особенности команды, человеческий фактор или неудачное стечение обстоятельств. Но за многими такими историями стоит архитектура самого процесса.

На практическом воркшопе вы возьмёте свой реальный QA-процесс — defect flow, triage, регрессию, release readiness или эскалацию инцидента — и буквально препарируете его: разберёте по типам операций, найдёте точки принятия решений и проверите, как в нём распределена ответственность.

Затем устроим процессу краш-тест с помощью AI: посмотрим, какие операции можно безопасно автоматизировать, а где автоматизация лишь замаскирует проблему или усилит существующий риск.

В финале у каждого будет карта собственного процесса, инструменты для его диагностики и формулировка одной из его проблем.

Запятую придётся поставить вам.

До релиза осталось совсем немного времени. Дата уже объявлена, маркетинг всё анонсировал, фичи продолжают появляться. Команда тестирования понимает простую вещь: проверить всё невозможно.

В этой игре вы в команде управляете ресурсами тестирования перед релизом. Нужно решить, на что тратить время: на регрессию, исследовательское тестирование, автоматизацию или тушение очередного пожара. Каждое решение — это выбор между скоростью, риском и финальным качеством.

По ходу игры будут появляться неожиданные события: новые вводные от бизнеса, изменения в требованиях, проблемы с автотестами, пропавшие сотрудники. Придётся пересобирать стратегию и договариваться внутри команды.

Это могло бы быть весело, если бы не было так жизненно. После этой симуляции вам становится понятно, как вы расставляете приоритеты и где ставите запятую: релизить — или тестировать.

ИИ снова наступает. Он уже пишет код, чинит баги, пишет автотесты, готовит тестовые сценарии. Осталось только, чтобы сам себя деплоил и отправлял отчёт менеджеру. Возникает закономерный вопрос: а тестировщики вообще ещё нужны?

Спойлер: нужны. И вот почему.

В этом докладе не будет рассказов про «ИИ — наш друг и помощник» и советов, какие нейросети подключить к пайплайну. Я расскажу, где вся эта иллюзия ломается. Где ИИ не справляется, потому что не чувствует, не догадывается и не подозревает, что пользователи бывают разными и порой непредсказуемыми.

На примерах покажу баги, которые пропускает ИИ, но находит человек. Потому что у него есть чутьё, контекст, опыт и, иногда, просто плохое предчувствие. А ещё — здравый смысл, который пока не очень поддаётся автоматизации.

Если вы тоже устали от рассказов о том, как ИИ всё заменит, приходите поговорить о том, где он пока бессилен. И почему хорошего тестировщика это должно только радовать.

«Я работаю тестировщиком, но мне скучно писать тест кейсы. Хорошо ли я работаю?»