Нас всех заменят тестировщики: что случилось с профессией в 2026 году и как теперь быть разработчикам
Представим: разработчик с помощью ИИ добавляет оплату на сайт. Проверяет функцию, видит, что деньги списались, заказ оформлен — кажется, что все. Вот только еще нужно проверить, что произойдет, если покупатель для надежности пять раз нажмет кнопку «Оплатить» или у него отвалится интернет сразу после списания денег. Чем больше новых функций выпускает команда, тем больше таких сценариев ей нужно тщательно продумать и проверить.
Поэтому в нашу эпоху ИИ-максинга сильно растет цена на хорошего тестировщика: того, кто видит продукт целиком и понимает, где искать ошибки. В том числе их навыки становятся более ценным для самих разработчиков, которые 90% кода теперь пишут на пару с Клодом.
В статье разберу, как так вышло, что самыми важными людьми у нас в команде стали тестировщики — и чему у них стоит поучиться разработчикам.
Изменения теперь приходят отовсюду
Код у нас пишут девелоперы, маркетологи, продакты, сотрудники поддержки и даже наш сооснователь. Причем некоторые из них не всегда знают, на каком языке написан их прототип.
Уверен, таких ситуаций будет еще больше — ведь у людей появился быстрый и недорогой ресурс проводить эксперименты. И это здорово, потому что в результате мы быстрее создаем новые функции.
Раньше нужно было разобраться в коде, написать реализацию, покрыть ее тестами, поправить после проверки коллегами — мы просто физически не могли производить больше. Сейчас часть этой работы берут на себя нейросети.
В связи с такими изменениями тестирование стало супер важной частью всего процесса — и самой нагруженной, ведь кто-то должен понимать, не производим ли мы теперь фигню, но просто быстрее.
Хороший QA задает неудобный вопрос: «А мы вообще сделали то, ради чего сюда полезли?» Разработчикам с ИИ стоит перенять эту привычку. Сгенерированный diff после релиза становится нашей ответственностью, поэтому умение проверить чужую реализацию становится все более ценной частью профессии.
Каких QA-инженеров я бы сейчас искал
При найме я смотрю на три вещи.
- Понимание бизнеса. Нашел десять багов — теперь расскажи, какие чиним первыми и почему. Мне важно понимать, что мы потеряем, если выпустим их в прод, и с какими исправлениями можно подождать.
- Умение организовать тестирование. Хочу услышать план: какой объем регрессии нужен, что автоматизируем, что проверяем руками и за чем следим после релиза. И главное — почему именно такой набор проверок.
- Умение проверять работу ИИ. Я всегда прошу кандидата разобрать случай, когда он нашел ошибку в ИИ-коде или тестах: что его насторожило, как он локализовал проблему и проверил исправление. И простое «я активный пользователь ИИ» здесь не сработает.
А как быть разработчикам?
Главное: перестать искать технический навык, который нейросеть точно никогда не освоит. С таким карьерным планом каждый апдейт модели превратится в личностный кризис.
Развивать стоит умение ставить задачи, разбираться в системе и оценивать последствия решений. И в целом — понимать бизнес, в котором работаешь. Иначе ты рискуешь конкурировать с Клодом за право переводить тикеты в код.
В работе с ИИ это вполне конкретные действия: заранее сформулировать ожидаемый результат и ограничения, затем разобрать сгенерированный код как чужой PR. Понять его допущения, оценить влияние на остальные части системы и выбрать проверки перед релизом.
Почему я все-таки ставлю на тестировщиков
Тестирование, конечно, тоже будет автоматизироваться и какие-то его части перейдут искусственному интеллекту. Но у тестировщиков все таки останется полезная профессиональная привычка: не верить, что все работает, пока это не проверено.
Поэтому мой прогноз не в том, что рынок внезапно начнет платить любые деньги человеку с должностью тестировщика. Скорее дорожает конкретная способность — удерживать качество системы при возросшей скорости изменений. Код теперь можно произвести очень быстро, а бизнесу по-прежнему нужен тот, кто в нужный момент спросит: «Ребята, а мы вообще проверили, что эта штука работает?»