Отличный обзор про мобильное тестирование в 2026-м от ведущего тестировщика «Совкомбанк Технологии» (10 лет опыта). Без воды и хайпа: на примере сотен релизов рассказано, как всё устроено на деле. 🛠 Разобрано всё: отличия мобайла от веба, когда нужны узкоспециализированные команды (iOS/Android), а когда работает гибридный подход — не компромисс, а стратегия. Честный разбор трендов: AI, low-code, shift-left без корпоративного оптимизма. 📉 Зацепил момент про low-code: Maestro сокращает время создания тестов в 10 раз. Мануальный тестировщик сам поднимает регрессионный набор без программирования. Звучит как маркетинг, но инструмент реально популярен. 🤖 Статья читается легко, есть конкретика по стеку и командам — полезно сверить свой подход с практикой других. А у вас в команде гибридный подход или всё-таки разделение на iOS и Android? 🤔
QAQA Сhannel
Для тестировщиков, QA и ТМ'ов - @serious_tester
Пензенское сообщество тестировщиков: https://vk.com/penzaqa
Канал пензенского IT-сообщества: https://t.me/penza_united_news
Информационный канал группы @qa_ru.
См. также: @qa_jobs, @devops_ru, @agile_ru
КатегорияTechnologyЯзыкRUДобавлен06 июл. 2026 г.КачествоПроверен
Подписчики1.7K
Сред. просмотры155.5K
ERR34.9%
Цена-- RUB
Цена / подписчик--
Цена / просмотр--
Метрики обновлены: 06 июл. 2026 г.
Последние посты
Поддержка завалена жалобами, модель рапортует: «точность 94%, всё отлично» 📉 . Это не баг, а слепая зона метрик. Интересненнькая статья про тестовое задание для ML Evaluation Engineer (стык QA и ML). Сценарий: медицинское приложение, шквал жалоб, но модель анализа тональности показывает красивые цифры. Задача кандидата — найти, где она врёт и почему старые метрики это не видят. Спойлер: позитивных отзывов в датасете в 10 раз больше, чем негативных. Модель научилась угадывать большинство. Высокая точность, ноль пользы. Зелёные тесты, горящий прод только в мире ML 🔥 . Работа Eval-инженера это 20% цифры и 80% объяснение, что они значат. Знакомо для любого QA, доказывающего разрабчику, что бага с приоритетом «низкий» на самом деле крит 🐞 . Статья короткая, читается быстро. Показывает, куда движется профессия и что проверяют на собесах в AI QA. Взялись бы за такое тестовое или это уже территория ML-инженера, а не QA? 🤔
2026-й. AI пишет тесты быстрее, чем мы успеваем сварить кофе, агенты сами кластеризуют баги и заводят тикеты в Jira. Казалось бы, тестировщику конец. Но на деле, некоторые увидели возможность и золотое время для ленивых гениев. Попалась инструкция по выживанию QA в эпоху тотальной автоматизации. Суть простая: чем меньше ты физически кликаешь мышкой, тем ценнее ты как специалист. Несколько лайфхаков оттуда: 👉 Не пиши автотесты руками - проектируй сценарии на уровне архитектуры, остальное делегируй агенту. День сокращается до пары часов ревью, платят по-прежнему за «экспертизу полного цикла» 👉 Стань не тестировщиком, а QA-проджектом, настрой дашборды с предиктивной аналитикой и при первом же падении эскалируй с пометкой «не моя зона ответственности» 👉 Нишуйся в то, что звучит как rocket science: AI-Trust Tester, тестировщик метавселенных, Chaos QA работа по сути роняет поды в кубере и смотрит на графики, а оплачивается как героическая защита от простоев Главное правило: никогда не признавайся, что тот баг на проде ты нашёл не за три дня аналитики, а просто попросил Claude просуммировать логи за пять минут 😅 Парадокс в том, что меньше всех пашут не самые трудолюбивые, а те, кто настроил автоматизацию собственной лени.