Как AI меняет профессию тестировщика в 2026 году: грейды, навыки, найм и будущее QA

Последнее обновление: март 2026

Гость: Александр Мешков — Head of AI Evaluation and QA в First Line Software, 12+ лет в тестировании. Ранее — руководитель QA-отдела (120+ человек) в Home Credit Bank. Основатель платформы TestGrow.ru (бесплатная практика для тестировщиков), автор единственного в русскоязычном сегменте курса по тестированию AI (EvalAI), автор курса по тест-менеджменту. Создатель open-source Eval Framework для оценки качества GenAI-решений. Спикер конференций SQA Days, Quality Day, TestCon.

Ведущая: Кира Кузьменко — рекрутер с 20-летним стажем в IT, фаундер международного агентства NEWHR, автор курса Hello New Job.

Главное из интервью

AI не заменяет тестировщика — он увеличивает его производительность в 3–4 раза. Один тестировщик с подпиской на Claude Code за $100 может работать за двоих-троих. Это хорошая новость для тех, кто уже в профессии и готов учиться. И плохая — для рынка в целом: компаниям просто не нужно нанимать столько людей, сколько раньше.

Рынок джунов «вымер» — в первую очередь из-за перенасыщения курсами и сокращения бюджетов. Мидлам нужно срочно осваивать AI-инструменты и становиться фуллстеком. Сеньоры должны конкурировать уже не друг с другом, а с AI. Хедам QA мало что изменилось — кроме одного: руководство теперь требует внедрения AI в процессы.

На вопрос «пошёл бы ты в IT с нуля в 2026?» Мешков ответил: «Не уверен, что это было бы IT».

«У нас остаётся голова, но руки мы можем уже отдавать AI»

Главный тезис Мешкова: AI — это инструмент, такой же, как Postman или поиск в Google. Не замена тестировщика, а усилитель. Проблема в том, что многие до сих пор воспринимают AI как угрозу, а не как рабочий инструмент.

«Очень много по-прежнему противников использования AI в своей работе. Два концерна: первый — security, второй — "мы делаем лучше, чем AI". И это заблуждение я очень часто слышу, даже внутри своей компании», — Александр Мешков.

Мешков составил для себя roadmap: на каких этапах тестирования AI может помочь. Вывод — практически на всех:

• Тест-планы — AI создаёт черновик, анализирует риски, подсвечивает то, о чём вы не подумали
• Тестовое покрытие — не просите AI писать тесты за вас, просите создать покрытие (что нужно протестировать), затем валидируйте сами
• Написание тестов — «Во многих командах говорят: мы не пишем тесты, потому что нет времени. Пожалуйста — вот есть AI. Закиньте требования, пусть он напишет. Это лучше, чем вообще нет тестов»
• Тестовые данные — генерация
• Анализ логов и результатов — разбор, верификация
• Автоматизация — Claude Code и Codex как основные инструменты

Где AI пока не справляется:

• Стратегия тестирования — высокоуровневые управленческие решения
• UX и юзабилити — всё, что нужно видеть и чувствовать визуально (хотя Мешков верит, что это скоро изменится)

Инструменты: почему Claude Code и Codex, а не AI-стартапы для тестирования

На рынке сотни AI-инструментов для тестирования: конструкторы автотестов, визуальное тестирование, low-code решения. Большинство — из Индии. Мешков встречался со многими стартапами и смотрел демо, но его вывод однозначный.

«Самые лучшие инструменты для меня — это Claude Code и Codex. Их агентная функция, инфраструктура, которая позволяет создать своего агента, работающего в твоём окружении», — Александр Мешков.

Главная проблема стартапов — контекст. Визуально всё выглядит красиво, но как только подключаешь продукт к реальной системе, он начинает работать плохо: не понимает архитектуру, структуру проекта, бизнес-логику.

Что решает проблему контекста:

• MCP-коннекторы — подключают агента к Jira, Confluence, Trello и другим системам, откуда он получает требования и информацию о проекте
• Система скиллов (придумана Anthropic, уже копируется другими LLM) — набор промптов, которые агент использует в определённых ситуациях
• MCP-коннектор Playwright для Chromium — AI может сам открывать браузер, ходить по тест-рейлу, находить тест-кейсы, вводить логин-пароль
• OpenClaw — open-source AI-агент, ставший феноменом в начале 2026 года. Что сделало OpenClaw переломным для тестирования: появилась memory — постоянная память между сессиями. Агент хранит то, что происходило ранее, не ограничивается одной сессией. Вы можете писать инструкции, создавать правила — и постепенно «воспитывать» агента для своего проекта.

Совет Мешкова: «Создание агента — это как воспитание ребёнка. Потратьте 2–3 недели: создайте правила, настройте memory, опишите контекст проекта. Совершил ошибку — занесли в lesson learned, добавили новое правило. Постепенно он начнёт работать всё лучше и лучше.»

Что на горизонте: десктоп и мобилки

Anthropic в феврале 2026-го приобрёл стартап Vercept — технологию навигации по десктопным операционным системам (Windows, Mac). Это решит проблему тестирования десктопных приложений, где нет ID-элементов и автоматизация строится буквально по пикселям. У самого Мешкова есть такой проект: сложная десктопная система, в которой вообще нет никаких айтишных элементов. «По факту скоро Claude это решит», — уверен он.

Мобильное тестирование через эмулятор Android + MCP тоже реализуемо уже сейчас. «Нужно просто чуть больше покопаться», — добавляет Мешков.

«AI не забирает рынок тестирования — он его сокращает»

Это, пожалуй, самая важная мысль интервью. AI не увольняет тестировщиков напрямую. Он делает каждого настолько продуктивнее, что компаниям не нужно нанимать новых.

«Один тестировщик — это X1 в производительности. С AI он может перформить на X3, на X4, особенно если мы говорим про автоматизатора. Зачем мне брать ещё одного человека, если я ему куплю подписку за $100 на Claude Code, и он будет работать за двоих-троих?» — Александр Мешков.

Это объясняет парадокс рынка: профессия не «умирает», вакансии есть, но их меньше. И требования к каждому отдельному специалисту — выше.

Профессия по грейдам: что делать прямо сейчас

Джуны: рынок вымер

«Мне кажется, рынок джунов вообще вымер» — это прямая цитата Мешкова. Причины:

1. Перенасыщение — огромное количество курсов и образовательных программ привело к тому, что рынок переполнился. Работодатель может выбирать и повышает требования.
2. Сокращение бюджетов — компании не набирают джунов, потому что проще апгрейдить существующего мидла с помощью AI.
3. AI как замена стажёра — зачем нанимать джуна, если можно дать мидлу AI, и он будет работать как сеньор?

«В идеале, как компания, я бы взял человека подешевле и доапгрейдил его AI, чтобы он работал как middle, но за зарплату джуна. Купил бы ему подписку и платил бы зарплату. Для меня как заказчика это лучшая история», — Александр Мешков.

Что делать, если всё-таки хочешь войти:

• Стажировки — по мнению Мешкова, это лучший и самый реалистичный путь. Не в Тинькофф и Яндекс (там жёсткий отбор), а в вендорские компании, которые обучают под свои проекты. Международные стажировки тоже вариант.
• Пет-проекты — но с оговоркой. «Сейчас получение опыта через пет-проекты не даёт особого преимущества. У многих интервьюеров сложилась картина, что пет-проекты — это не значит реальный опыт». Важна не сама работа, а умение рассказать: какие были бизнес-процессы, почему тесты такие, а не другие, что дало тестирование проекту.
• AI как учитель — «У тебя сейчас есть куча AI, которые могут сами построить курс, объяснить, показать, рассказать. Было бы желание учиться».
• Проверьте предрасположенность. Тестирование — это аналитический склад ума, критическое мышление, внимание к деталям. Мешков видит на стажировках людей, которые выучили всю теорию, но не могут пройти soft skills-интервью: не могут разложить систему в голове, декомпозировать задачу, экстраполировать знания на новый домен. «Есть термин generalized knowledge — умение экстраполировать знания из одной области на другую. Учили тестировать веб-сайт — умеют. Говорят "протестируй другую систему" — ступор».

Мешков советует: «Сто раз подумайте перед тем, как заходить в профессию с нуля. Оцените есть ли у вас знакомые в IT-компаниях, которые могут помочь с рефералами. Оцените локальный рынок на предмет наличия вакансий, посмотрите HeadHunter, посмотрите, сколько людей откликаются на позиции. Сделайте анализ перед тем, как принимать решение.»

Мидлы: учить AI и становиться фуллстеком

Для международного рынка рецепт простой: осваивать AI и внедрять в работу. Перейти от майндсета «я делаю лучше» к «AI может мне помочь во многих вещах».

Для российского рынка сложнее — AI массово не внедряется, доступ к моделям ограничен. Но учить всё равно стоит: рано или поздно дойдёт и туда. Что важно на российском рынке:

• Отраслевая экспертиза — по-прежнему сильно ценится. Финансовый сектор, healthcare, ритейл — знание домена позволяет повышать зарплату от работодателя к работодателю.
• Мониторинг рынка — следить за трендами: где-то растёт спрос на Kafka, где-то уходят в TypeScript, где-то появляется Go для автоматизации.
• Не нужны курсы: возьмите тренажёр (Swagger, GraphQL, WebSocket), поработайте руками, запомните. Что-то непонятно — спросите у ChatGPT.
• AI Evaluation — тестирование систем на базе AI. «Абсолютно другие инструменты, другие подходы, вообще всё другое. Нет практически связи с классическим тестированием». Направление только зарождается, но спрос будет расти.

Что отличает мидла от сеньора в 2026

По мнению Мешкова, разграничение прежнее:

• Глубина экспертизы — понимание и технологического стека, и бизнес-домена
• Самостоятельность — «Сеньору можно дать задачу и забыть. Через какое-то время он придёт с готовым результатом. Он может сам себя менеджерить, декомпозировать задачу, со всеми скоммуницировать. Мидлом по-прежнему нужно управлять»

Сеньоры: конкурируй с AI или будешь заменён

Парадокс: у сеньоров с точки зрения формальных требований мало что изменилось. Но именно они находятся под самой большой стратегической угрозой.

«Если компания поймёт, что знания сеньора можно заменить мидлом и апгрейдить его AI — они заменят. Это будет дешевле. Компания всегда стремится потратить меньше и заработать больше. Ни один предприниматель не скажет: давайте IT-отдел будет самый дорогой, давайте потратим на него как можно больше денег», — Александр Мешков.

Реальный кейс Мешкова: «У меня старый проект, сложный, на .NET, ему лет 7–8. Куча костылей, жёсткий хардкод. AI за час нашёл все костыли, поднял фреймворк локально, пофиксил ошибки, сделал ревью. Мои сеньорные инженеры согласились: да, это наши косяки, мы давно хотели отрефакторить, но руки не доходили. AI сделал сеньорную работу за час.»

Куда расти сеньору:

• Создавать инфраструктуру на базе AI — агенты, правила, оркестрация контекста
• Верифицировать и контролировать работу AI — быть супервайзером, не исполнителем
• Решать сложные задачи в специальных доменных областях, которые AI пока не тянет
• Отвечать за последствия решений — «AI не будет отвечать за последствия принятых решений»

Хеды QA: почти без изменений, но с одним «но»

«Всё, что связано с управлением — по-прежнему остаётся. AI здесь минимально влияет», — Мешков. Но есть одна новая обязанность: руководство компаний всё чаще прописывает хедам QA цель — внедрить AI в процессы тестирования. И многие приходят к Мешкову с вопросом: «Саша, скажи, а что нам вообще внедрять?»

Ручное тестирование: умирает или трансформируется?

Тренд на замену ручных тестировщиков автоматизаторами Мешков объясняет экономикой, а не технологиями.

«Зачем иметь и мануальщика, и автоматизатора, если можно иметь фуллстек в одном лице? Заплатить X1,5 вместо X2 за двоих», — Александр Мешков.

Мануальное тестирование не умирает — оно поглощается ролью фуллстека:

• Мануальщикам нужно учить автоматизацию
• Автоматизаторам нужно учить мануальное тестирование — декомпозицию задач, подходы к тестированию, создание тест-кейсов

«Ошибочно говорить, что убивается мануальная и появляется автоматизация. Мануальное остаётся. Просто теперь от мануального специалиста требуют хороший опыт автоматизации», — Александр Мешков.

На международном рынке, где есть полноценный доступ к AI, тенденция другая: мануальный тестировщик + AI может заменить автоматизатора. Потому что критическое мышление, аналитическое мышление и принятие решений остаются на стороне человека, а «руки» (написание кода, скриптов) берёт на себя AI.

Хард-скиллы: нет универсального must-have

Мешков принципиально отказался назвать один обязательный стек. «Это очень субъективно, потому что скиллы зависят от стека компании».

Базовый минимум, который он выделяет:

• Знать концепцию тестирования UI
• Иметь опыт работы с TMS (тест-менеджмент-система) и баг-трекером
• Разбираться в API-тестировании — понимать, как работает REST
• Уметь писать запросы к базе данных (SQL)

Всё остальное — RabbitMQ, Kafka, Charles Proxy и т.д. — зависит от конкретной компании. «Очень многие энтерпрайзы по-прежнему тестируют только UI. У тестировщиков нет доступа ни к API, ни к базе. И таких компаний по-прежнему много».

Приоритизация багов: AI может, но вопрос — в формализации

Распространённое мнение: AI не может приоритизировать баги и оценивать бизнес-риски. Мешков частично согласен, но объясняет проблему иначе.

«AI работает на базе контекста, который вы ему дали. Если вы зададите правило приоритизации багов расширенно и подробно — он будет приоритизировать. Проблема в том, что мы сами часто не можем нормально сформулировать, какими критериями пользуемся. Это происходит на подкорке, в мышлении, мы не можем перевести это в текст», — Александр Мешков.

Вывод: ограничение не в AI, а в нашей способности формализовать собственные правила.

«Пару лет — и AI научится исследовательскому тестированию»

«Сейчас AI не может этого делать — это точно. Но я считаю, что пару лет — и научится».

Мешков привёл два аргумента:

1. Видеомодели как путь к AGI. Основатель DeepMind объяснил, что генерация видео — это не про маркетинг, а про понимание физики мира. Чем правдоподобнее AI генерирует видео, тем лучше он понимает наши ощущения. Если AI поймёт, как устроен мир — что помешает ему понять пользователей?
2. Веб-визоры как данные для AI. Google Analytics и Яндекс.Метрика собирают карты маршрутов пользователей. Эти данные можно «скормить» AI и попросить: «Проанализируй поведение пользователей и проведи тестирование на его базе». По сути, AI будет делать то же, что exploratory-тестировщик — вести себя как пользователь.

Безопасность AI-моделей: «Можно вполне использовать»

Два главных барьера внедрения AI в тестирование: security и убеждённость «мы сами без ЛЛМ сделаем лучше». По поводу безопасности Мешков занимает однозначную позицию.

«Многие компании до сих пор запрещают сотрудникам использовать AI — прямо на официальном уровне. Мне кажется, это уже нерелевантно и устаревшее мнение. Крупные провайдеры — OpenAI, Anthropic, Google, Meta — уже столкнулись с проблемами security в 2021–2022 годах, сделали выводы. Для них репутация — огромная ценность. Один кейс может убить доверие миллионов пользователей», — Александр Мешков.

Он вспоминает инцидент Samsung с Copilot, когда код компании попал в обучающие данные модели: «После таких ситуаций многие компании сделали выводы. Эта история, что наш код попадёт и где-то всплывёт — уже нерелевантна. Никому ваш код не нужен».

Оговорка: это касается моделей крупных провайдеров. «Если вы используете какие-то self-hosted модели, скачанные с Hugging Face и размещённые у себя локально — там риски очень большие». За безопасность внутри компании отвечает подразделение security, не тестировщики. Рынок делится надвое: enterprise идёт в self-hosted (могут позволить инфраструктуру), средний и малый бизнес работает через API крупных провайдеров.

«Пошёл бы ты в IT с нуля в 2026 году?»

Прямой ответ Мешкова: «Не уверен, что это было бы IT».

«С учётом всего будущего — AI сюда приходит, конкуренция будет расти, за AI будут сокращать бюджеты. Идти сейчас в IT, если смотреть с перспективой на будущее — не очень история», — Александр Мешков.

Куда бы он посмотрел:

• Data Science — математические, аналитические специальности
• Робототехника — «я очень активно увлекаюсь, дома есть собственный собранный робот». Когда появится AGI, его первым делом посадят в роботов
• Маркетинг — «по-прежнему очень востребованный ресурс, квалифицированные маркетологи, которые умеют строить стратегии»

При этом Мешков сам продолжает инвестировать в рост: два года назад прошёл полный курс Python, изучает робототехнику и data science. «Я понимаю, что моих текущих скиллов не хватает».

Прогноз: тестировщик в 2029 году

На глобальном рынке через три года, по мнению Мешкова, обязательными станут три навыка:

1. Supervising AI — умение контролировать работу искусственного интеллекта. «AI будет делать — мы будем следить, чтобы он делал правильно. Как контролёры на заводских линиях»
2. Создание AI-инфраструктуры — настройка агентов под свои процессы, организация работы
3. Тестирование AI-систем — evaluation инженеры, которые проверяют качество продуктов на базе искусственного интеллекта

«Рано или поздно тестировщики будут нужны для того, чтобы проверять за AI. Как на заводах: раньше люди всё делали руками, потом появились конвейеры, а люди стали контролёрами», — Александр Мешков.

Блиц

Навык, который станет обязательным для QA через два года?
Supervising AI.

Технология, которую стоит изучить прямо на этой неделе?
Claude Code или Codex. Технологии построения AI-агентов.

Три ресурса для слушателей?

• Бесплатные курсы по тестированию — начните с любого, поймите, ваше ли это
• Курс по тестированию AI — EvalAI (ближайший поток 7 мая)
• Тренажёры для конкретных навыков (Swagger, GraphQL, WebSocket) — для мидлов, которые хотят закрыть пробелы
• И главное: «Не понимаешь, что происходит — иди в ChatGPT, спроси. Он объяснит.»

Что сказать тем, кто боится, что их заменит AI?

«Учитесь дружить с AI. Если вы будете понимать, в чём ценность человека при работе с AI — вас будет намного сложнее заменить».

Часто задаваемые вопросы

Заменит ли AI тестировщиков?
Не заменит, но сократит количество нужных специалистов. Один тестировщик с AI работает за 3–4 человек. Компании не увольняют — они просто не нанимают новых.

Стоит ли сейчас идти в тестирование с нуля?
Мешков рекомендует «сто раз подумать». Рынок джунов в кризисе, конкуренция огромна. Лучший путь — стажировки в вендорских компаниях. Если решили — убедитесь, что у вас есть аналитический склад ума и критическое мышление. Без этого теорию выучите, но собеседование не пройдёте.

Какие инструменты осваивать прямо сейчас?
Claude Code (Anthropic) или Codex (OpenAI). Это главные AI-инструменты для тестировщиков на сегодня. Стартапы пока проигрывают по функциональности.

Умирает ли ручное тестирование?
Нет, но трансформируется в фуллстек. Мануальщикам нужно учить автоматизацию, автоматизаторам — мануальное тестирование. Чистых мануальных вакансий становится меньше.

Нужно ли тестировщику учить программирование?
Зависит от рынка и компании. На российском рынке — тренд на фуллстек (мануальное + автоматизация). На международном рынке — мануальщик + AI может быть эффективнее автоматизатора.

Безопасно ли использовать AI-модели для рабочих данных?
Мешков считает, что для моделей крупных провайдеров (OpenAI, Anthropic, Google, Meta) — да. После инцидента с Samsung в 2021 году компании серьёзно усилили безопасность. «Репутация для них — ценность. Один кейс может убить доверие миллионов пользователей».

Что ещё стоило обсудить

Интервью получилось насыщенным, но ряд тем остался за кадром — или был затронут поверхностно. Вот что мы хотели бы раскрыть глубже:

Незакрытые темы

• AI Evaluation как отдельная профессия. Мешков упомянул, что разработал авторскую AI Testing Pyramid (три уровня: модель, пайплайн, продукт) и собственный open-source Eval Framework. Мы сознательно не углубились в методологию, чтобы не смешивать AI-assisted и AI evaluation в одном разговоре. Это заслуживает отдельного полноценного интервью.
• Конкретные кейсы провала AI в тестировании. Мешков привёл кейс успеха (.NET-проект за час), но обратных примеров — где AI наломал дров — мы не обсудили. Было бы ценно услышать, где доверие агенту приводило к пропуску критических багов.
• Зарплаты и рынок в цифрах. Мы не погрузились в конкретику: сколько зарабатывают тестировщики разных грейдов в 2026, как изменилась динамика, какой реальный разрыв между теми, кто использует AI, и остальными.
• Российский рынок vs международный — подробнее. Мешков неоднократно оговаривался, что ситуация в России и за рубежом сильно отличается: доступ к AI ограничен, внедрение медленное, отраслевая экспертиза ценится иначе. Тема заслуживает отдельного разбора.
• Soft skills в эпоху AI. Мешков подробно говорил о критическом мышлении и аналитике, но мы не обсудили коммуникацию, продуктовое мышление, навык работы с неопределённостью — всё, что становится важнее, когда рутину забирает AI.

Где найти Александра Мешкова

• TestGrow.ru — бесплатная платформа с практикой для тестировщиков
• Телеграм-канал платформы по тестированию ПО от TestGrow.
• EvalAI — курс по тестированию AI (ближайший поток — 7 мая 2026)
• Телеграм канал «Тестирование и оценка ИИ»
• LinkedIn: Aleksandr Meshkov

Об авторах

Кира Кузьменко — рекрутер с 20-летним стажем в IT. Фаундер международного рекрутингового агентства NEWHR. Автор курса по поиску работы Hello New Job. Ведущая YouTube-шоу «Просто искать работу сложно». Личный ТГ-канал: «Рекрутинг, котики и апокалипсис». LinkedIn: Kira Kuzmenko.

Александр Мешков — Head of AI Evaluation and QA в First Line Software, 12+ лет в тестировании. Ранее — Director QA Department в Home Credit Bank (120+ человек). Основатель TestGrow.ru и автор курсов по тестированию AI и тест-менеджменту. Создатель open-source Eval Framework для оценки GenAI. Спикер SQA Days, Quality Day, TestCon.