XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

Современные цифровые продукты характеризуются высокой скоростью изменений пользовательского интерфейса и частыми релизами. UI становится ключевой точкой взаимодействия между пользователем и бизнесом, напрямую влияя на пользовательский опыт, конверсию и ключевые бизнес-метрики. В этих условиях традиционные подходы к UI-тестированию, основанные на ручной проверке и классических автоматизированных тестах, перестают удовлетворять требованиям скорости и качества.

Рост числа релизов приводит к увеличению регрессионных проверок, а сложность UI-автотестов — к росту стоимости их поддержки. Ограниченные ресурсы QA-команд и высокая трудоёмкость сопровождения тестов формируют объективную потребность в трансформации процессов UI-тестирования с использованием технологий искусственного интеллекта.

Целью данной работы является архитектурное обоснование внедрения инструмента UI-тестирования с применением ИИ на основе анализа текущего состояния (as-is) и целевого состояния (to-be) в нотации ArchiMate.

На рисунке 1 представлена диаграмма архитектуры «как есть» деятельности по тестированию пользовательского интерфейса ручным способом.

Рисунок 1 – Диаграмма ArchiMate архитектуры «как-есть» тестирования пользовательского интерфейса

Согласно диаграмме архитектуры as-is, текущий процесс UI-тестирования строится вокруг классического регрессионного цикла. Основными участниками являются руководитель QA, инженер по тестированию и разработчик. Процесс включает планирование UI-тестирования, разработку и поддержку тест-кейсов, запуск регрессионного набора, анализ результатов и регистрацию дефектов.

Ключевые характеристики текущего состояния:

• UI-тестирование часто является узким местом при выпуске релизов;

• поддержка UI-автотестов требует значительных трудозатрат QA-инженеров;

• изменения в UI приводят к массовому падению тестов и росту ложных срабатываний;

• анализ результатов тестирования и локализация дефектов выполняются вручную;

• качество покрытия пользовательских сценариев зависит от опыта конкретных специалистов.

В архитектуре as-is задействованы CI/CD-сервер, сервис запуска автотестов, репозиторий автотестов, система управления тестами и система отслеживания дефектов. Несмотря на автоматизацию запуска, интеллектуальная поддержка процессов отсутствует, что приводит к увеличению time-to-market и росту стоимости качества.

Для формализации проблем исследуем деятельности компании и определения вариантов их решений была разработана мотивационная диаграмма (рисунок 2) в нотации ArchiMate, на которой представлены цели последующего изменения архитектуры процесса тестирования пользовательского интерфейса.

Рисунок 2 – Мотивационная диаграмма трансформации архитектуры тестирования пользовательского интерфейса

Мотивационная диаграмма ArchiMate отражает основные драйверы трансформации:

• увеличение частоты релизов;

• рост стоимости поддержки UI-автотестов;

• высокие требования к качеству пользовательского интерфейса;

• влияние UI-дефектов на пользовательский опыт и бизнес-показатели.

Оценки драйверов показывают, что существующий процесс не масштабируется пропорционально росту продукта. Ключевые цели трансформации:

• снижение трудозатрат на поддержку UI-тестов;

• повышение продуктивности QA-инженеров;

• обеспечение стабильного качества UI между релизами;

• раннее обнаружение критических UI-дефектов.

Достижение этих целей возможно за счёт внедрения интеллектуального инструмента UI-тестирования, использующего методы машинного обучения и обработки естественного языка.

На рисунке 3 представлена архитектура «как будет» тестирования пользовательского интерфейса с помощью искусственного интерфейса.

Целевая архитектура to-be предполагает интеграцию ИИ-платформы тестирования UI в существующий контур CI/CD. В новом процессе искусственный интеллект становится активным участником жизненного цикла тестирования.

Ключевые изменения целевого состояния:

• формулирование пользовательских сценариев на естественном языке;

• автоматическая генерация и уточнение UI-тестов с помощью NLP-моделей;

• интеллектуальная оптимизация регрессионного набора на основе приоритизации;

• обнаружение UI-аномалий и визуальных отклонений с использованием моделей компьютерного зрения;

• автоматизированная локализация дефектов и анализ причин падения тестов.

Рисунок 3 – Диаграмма ArchiMate «как будет» тестирования пользовательского интерфейса с помощью искусственного интеллекта

Таким образом в целевой архитектуре тестирования пользовательского интерфейса ИИ-инструмент использует данные о пользовательских действиях, истории запусков тестов и логах системы, это позволяет достичь цели трансформации архитектуры, обозначенные в мотивационной диаграмме, –сократить количество избыточных тестов и сфокусироваться на наиболее критичных сценариях.

Список используемых источников

1. Онлайн учебник архитектура предприятия: сайт. – UML: https://urait.ru/viewer/arhitektura-predpriyatiya-539842 (дата обращения 11.12.2025)