Последнее время стало заметной проблемой у меня и моих коллег лидов. Мы всё чаще замечаем одну неприятную закономерность, чем активнее команды внедряют AI, тем больше «невидимой» работы появляется у тех, кто отвечает за качество.

И это очень похоже на то, что описывает автор статьи на Хабре.

ИИшка действительно ускоряет разработку. Код появляется быстрее, ревью закрываются быстрее, задач в спринте становится больше. На дашбордах всё красиво. Но появляется нюанс, кто-то должен проверить, что всё это действительно работает. Поймать глюки AI + написать и прогнать нужные сценарии. Разобраться, почему автотест зелёный, а поведение системы нет. Увидеть риски. И задать тот самый неудобный вопрос "А мы точно хотим это?"😂

И вот эта работа все чаще для показателей эффективности перестает попадать в отчеты, ине учитывает затрат времени.

В статье автор называет это проблемой невидимого валидатора, когда инженеры постоянно доводят результат AI до состояния Готово в Prod и становятся невидимками в команде. Для QA это особенно знакомая история. Мы можем ускорить генерацию автотестов с помощью AI. Можем быстрее анализировать требования, создавать тестовые данные, писать чек-листы.

Но скорость генерации ≠ качество проверки
И если после внедрения AI у команды стало больше результата, но вместе с ним выросло количество ручной валидации, ревью, разборов и «разруливания» последствий, то возможно, мы просто перенесли стоимость работы из одного места в другое и добавили затраты на токены 🤖

Автор предлагает четыре идеи, которые, на мой взгляд, отлично ложатся и на QA:

👉 Закладывать валидацию в capacity, а не считать её «ну это же просто проверить»

👉 Измерять не только найденные дефекты, но и предотвращенные проблемы

👉 Распределять экспертизу. Если все сложные проверки постоянно делают одни и те же QA/лиды команда становится зависимой от нескольких людей

👉 Передавать проверки разным членам команды, а не оставлять её постоянно на одном и том же тестере. Решая проблему по трансформации специалистов в постоянный quality gate и подтягивая остальных)

И вот здесь для меня главный вывод
Выгорание не всегда следствие слишком большого количества задач. Иногда оно возникает потому, что человек месяцами делает критически важную работу, которую никто не видит. В статье есть очень точная мысль: скорость не то же самое, что устойчивость.

Мне кажется, QA сейчас особенно важно обсуждать не заменит ли AI тестировщиков?, а: кто будет проверять работу AI, как мы будем оценивать эту работу и как не превратить самых сильных QA в бесконечный слой ручной валидации заменив поиск багов за разрабчиками, в поиск за ИИшечкой

А у вас уже появилось ощущение, что после внедрения AI работы стало меньше на бумаге, но больше в реальности?