Details

Данная работа посвящена созданию AI агента для автоматизации UI тестирования мобильных приложений, направленного на сокращение трудозатрат тестировщиков и повышение эффективности процессов обеспечения качества ПО. Особое внимание уделено требованиям к безопасности данных и устойчивости тестовых сценариев к изменениям интерфейса, наиболее это актуально для команд, работающих над проектами с частыми обновлениями UI и нуждающихся в минимизации ручного вмешательства при поддержке тестовой базы. В рамках работы проведён анализ существующих решений на рынке. Были рассмотрены как традиционные фреймворков для автоматизации тестирования, так и инструменты с применением ИИ. Выявлены их преимущества и недостатки, среди которых привязка к платформе, сложность поддержки тестов, зависимость от навыков программирования, риски безопасности при использовании облачных ИИ сервисов. Это позволило сформулировать требования к новому решению, необходимо обеспечить кросс платформенность, генерацию тестов на основе естественного языка, интеграцию с CI/CD и корпоративными системами хранения тест кейсов, а также высокий уровень защиты данных. Результаты работы оформлены в виде прототипа AI агента с документацией для пользователей. Разработка успешно прошла испытания на тестовых командах, где продемонстрировала сокращение времени на подготовку и выполнение тестов и получила положительную оценку от тестировщиков.

This work is devoted to the creation of an AI agent for automating UI testing of mobile applications, aimed at reducing testers’ workload and improving the efficiency of software quality assurance processes. Special attention is paid to data security requirements and the stability of test scenarios in the face of interface changes. This is especially relevant for teams working on projects with frequent UI updates and in need of minimizing manual intervention when maintaining the test base. As part of the work, an analysis of existing solutions on the market was carried out. Both traditional frameworks for test automation and tools using AI were reviewed. Their advantages and disadvantages were identified, including platform lock-in, the complexity of test maintenance, dependence on programming skills, and security risks when using cloud based AI services. This allowed us to formulate requirements for the new solution: it is necessary to ensure cross platform compatibility, generate tests based on natural language, integrate with CI/CD and corporate test case storage systems, and provide a high level of data protection. The results of the work are presented in the form of an AI agent prototype with user documentation. The development was successfully tested with test teams, where it demonstrated a reduction in the time required to prepare and execute tests and received positive feedback from testers.