ИИ в очередной раз доказал свою эффективность при разработке ПО — нейросеть успешно справилась с множеством задач в условиях ограниченных ресурсов на международном хакатоне Retro AI Quest, который прошел с 27 сентября по 8 октября 2024 года. С помощью ИИ разработчики смогли быстро сгенерировать персонажей, написать сюжеты и даже создать внутренний мир игры, освободив ресурсы для других более сложных задач. Однако несмотря на преимущества, которые предлагает ИИ, участие человека по-прежнему остается критически важным. Нейросети, как любой инструмент, нуждаются в контроле и корректировке со стороны разработчика, поскольку могут предложить код, который не соответствует специфике проекта или даже содержит ошибки, объясняет член жюри хакатона, эксперт в области обеспечения качества ПО Игорь Волынец. Его решения на основе ИИ позволили Usetech, крупному поставщику ИТ-решений для отраслей ИТ, финансов и государственного сектора, не раз получить международные награды и войти в топ-15 лидеров по созданию программного обеспечения по версии CNews Analytics. Как изменились возможности ИИ, на всех ли проектах применима технология, с какими ограничениями можно столкнуться при ее внедрении и как преодолеть сопротивление команды — Игорь Волынец рассказал в интервью.
— Игорь, завершился международный хакатон, где в жюри вместе с вами работали и оценивали конкурсантов технические эксперты глобальных компаний, например, Nvidia, Amazon и TheScore. По вашим наблюдениям, насколько сильно изменился процессе создания ПО с применением ИИ за последние годы?
— С развитием искусственного интеллекта и автоматизации, процессы создания и проверки ПО стали гораздо быстрее и эффективнее. ИИ способен автоматически генерировать тестовые сценарии, анализировать результаты тестирования и предсказывать потенциальные ошибки на основе собранных данных. В рамках хакатона использование ИИ позволило автоматизировать проверку игрового мира, проработку персонажей и сюжетов, что значительно сократило время, затрачиваемое на ручное тестирование, и повысило точность обнаружения багов.Масштабирование и наведение порядка в сервисе обслуживания медоборудования — опыт компании Медсервиспро 
— Тестированием ПО вы начали заниматься в компании Андерсен, а спустя время попали в Greyloud — компанию-разработчика ПО для США и восточного рынка — где руководили командой из шести человек и отвечали за проверку всех продуктов компании. С какими проблемами Вы столкнулись, когда ИИ еще не был так развит?
— Когда я только начинал работать в сфере тестирования ПО, таких инструментов, как сейчас, с автоматизацией процессов и искусственным интеллектом, ещё не было. В компаниях Андерсен и Greyloud я сталкивался с типичными рутинными задачами, которые приходилось выполнять вручную, что отнимало очень много времени. Например, проверка множества тестов на разных платформах, выполнение однотипных повторяющихся операций, обработка отчетов — все это занимало часы и даже дни работы, что затрудняло фокусировку на более сложных и креативных аспектах тестирования. Одна из таких задач, с которой сталкиваются все тестировщики независимо от их уровня компетенции — это создание и поддержка тест-кейсов. Представим ситуацию: в продукте переименовалась кнопка и все упоминания этой кнопки в тест-кейсах нужно обновить. Т.к. в то время ИИ еще не был развит, мне приходилось применять метод `обезличивания` тест-кейсов. И если в будущем меняется название кнопки, то его нужно будет поменять только в названии тест-кейса, а не во всех частях программы. Приходилось выкручиваться! Но оно того стоило. Это экономило очень много времени! Потому что иначе написание и поддержка тест-кейсов занимали бы значительную часть рабочего времени нашей команды.
— Позже в БЛД Софт вы стали первым, кто внедрил нейросеть, что помогло компании сэкономить значительную часть финансов, а вас в итоге пригласила международная компания Usetech, один из крупнейших ИТ-аутсорсеров, работающих на территории России. Масштабы проектов значительно больше. Какие возможности для внедрения новой технологии открылись для вас в новой компании?
— В международной компании всегда есть возможность обсудить свои идеи оптимизации тестирования ПО с помощью ИИ и получить фидбэк от коллег с уникальным опытом и знаниями. Например, в предыдущих компаниях у меня была небольшая команда, и круг людей, с которыми я мог обсудить идеи, был ограничен, а в Usetech я могу обратиться за советом к большему числу специалистов, что помогает в принятии более взвешенных решений при внедрении нейросетей в технологические процессы. Например, в начале было много сомнений, на какую часть проекта внедрять искусственный интеллект для тестирования в первую очередь: фронтэнд — область, которую видит конечный пользователь, или бэкэнд — то, что находится под капотом и не доступно для пользовательских глаз. Я лично опросил лидов 18-ти команд и получил следующие данные: только 5 команд настаивали на внедрении ИИ на фронтэнд часть, остальные же 13 лидов однозначно высказались за бэкэнд. Стало понятно, что нужно будет подстраиваться под каждую команду отдельно и единого решения здесь быть не может. Но это нас не испугало! А я еще раз убедился в том, что необходимо в дальнейшем создавать универсальную платформу по автоматизации тестирования на базе искусственного интеллекта.
— В Usetech вы занимаетесь внедрением нейронных сетей в процесс тестирования, и одна из ваших ключевых задач — продвижение идей автоматизации внутри компании. Какая Ваша разработка помогла масштабировать автоматизацию на уровень всей компании?
— Это был фреймворк + подход, созданный мною, который сначала работал на одном проекте, а потом понемногу начал распространяться на другие проекты. Я решил использовать искусственный интеллект в автоматизации тестирования и это как раз одна из сложностей — внедрение искусственного интеллекта возможно далеко не в каждом проекте. Иногда это связано с ограничениями бюджета, иногда — с техническими особенностями проекта. Перед принятием решения нужно учесть несколько ключевых факторов, влияющих на скорость реализации: сложность задачи, качество и доступность данных, техническая готовность инфраструктуры, наличие квалифицированных специалистов, уровень поддержки обновлений со стороны команды и приоритетность проектов в компании. Тщательная оценка этих факторов помогает определить оптимальные сроки и возможности для применения технологии.
— Несмотря на масштаб и сложность проектов компании, вы внедрили ИИ в выполнение большей части рутинной работы. Какие трудности реализации, на ваш взгляд, можно считать основными?
— Одной из главных проблем является сопротивление изменениям. Не все готовы сразу принять новую технологию или методологию, особенно если они привыкли к старым подходам.
— Как это можно решить?
— В таких случаях ключевую роль играют софт-скиллы — умение общаться, договариваться и находить общий язык с коллегами. Очень важно уметь объяснить свою точку зрения, показать преимущества нового подхода и быть готовым к компромиссу. Например, когда я внедряю ИИ в тестирование, я стараюсь не только показать, как это улучшит процессы, но и выслушать опасения команды, найти способы минимизировать риски и сделать переход на новую технологию максимально комфортным.
Еще одной сложностью является работа с разными культурами и подходами к решению проблем. В международной команде каждый может иметь своё видение проблемы и способы её решения, и это может привести к конфликтам. В таких случаях я стараюсь создать атмосферу открытости и взаимного уважения, чтобы каждый мог выразить своё мнение. Важно понимать, что разногласия — это не всегда плохо, они могут привести к лучшим решениям, если подойти к ним правильно.
— Опираясь на свой опыт, какой совет вы можете дать начинающим специалистам по обеспечении качества ПО?
— Всегда помнить о конечной цели и работать на благо общего дела. Важно быть гибким, но, в то же время, сохранять твердость в своих убеждениях, если вы уверены в их правильности. Внедрение новых технологий всегда связано с риском и сложностями, но если подходить к этому с правильным настроем и готовностью к диалогу, можно преодолеть любые препятствия.
Автор: Дмитрий Архипов
