Росгосстрах: ИИ генерирует UI-автотесты, время сократилось примерно в 4 раза

Автоматизация UI-тестов на большом легаси-проекте требует ручного написания автотестов и локаторов элементов страниц, что занимает много времени. В предыдущей части цикла первая попытка генерации без описания архитектуры фреймворка превратилась в долгий цикл ревью и правок: первый pull request растянулся на две недели. Задача пилота — научиться генерировать рабочие автотесты и локаторы с помощью ИИ на стеке компании и измерить, сколько времени это экономит по сравнению с ручным написанием.

Генерация строится на трёх входных артефактах: README с описанием архитектуры фреймворка (структура, паттерны, правила локаторов), тест-кейсах, выгруженных из Zephyr, и исходном коде проекта. По README нейросеть составляет «алгоритм генерации автотестов» — пошаговый регламент с чек-листами самопроверки и примерами «правильно / неправильно», который встраивается в основной промпт. Модель генерирует тесты небольшими логическими группами, например для одного экрана калькулятора страховой премии, отдельно для e2e и компонентных тестов. Локаторы ИИ генерирует по сохранённому HTML страницы в соответствии с правилами из README. Каждый результат проходит обязательное ревью и запуск.

Пилот провела специалист по тестированию «Росгосстраха» Алена Метенева; результаты опубликованы в блоге компании на Хабре 1 июля 2026 года. По её данным, генерация автотестов заняла примерно в 4 раза меньше времени, чем ручное написание того же объёма. За две недели набралось порядка 100 автотестов и базовый каркас, который можно переиспользовать для других продуктов. На пилотном проекте 9 из 10 тестов с первого раза запускались и отрабатывали корректно; дальше требовались ревью и правка недочётов. Генерация локаторов ускорилась в 1,5–2 раза.