Agentic QA — это вопрос бюджета: куда движется рынок тестирования объемом $66 млрд

TL;DR: Агентный QA — это обеспечение качества, при котором ИИ-агенты планируют, пишут, запускают и поддерживают тесты, а независимый слой верификации подтверждает, что ПО действительно работает. Он вообще не сокращает бюджет на QA. Он просто переносит его с ручного труда по написанию и поддержке скриптов на рельсы исполнения в масштабе агентов с независимым доказательством. Генерация тестов становится дешёвой. Верификация становится продуктом.

6 октября 2026 года Gartner опубликовал Магический квадрант платформ агентного обеспечения качества ПО, заменив им свой отчёт 2025 года об «Инструментах тестирования ПО с поддержкой ИИ». Большинство восприняли это как смену названия. Я воспринимаю это как событие для бюджетов. Когда компания, определяющая шорт-листы для энтерпрайза, переименовывает категорию, следующими меняются шаблоны закупок, а деньги идут за шаблонами.

Этот текст для CIO и фаундеров, у которых есть бюджет на QA (или которые борются за него). Аргумент прост: агентный QA не сделает качество дешевле в целом. Он просто перераспределит деньги. Ниже — карта того, где деньги сейчас, куда они двинутся дальше, и скоркард, который поможет спланировать перераспределение бюджета на 2027 год раньше, чем это сделают ваши вендоры.

Что такое агентный QA и почему Gartner переименовал категорию?

Агентный QA — это обеспечение качества ПО, при котором ИИ-агенты планируют, создают, выполняют и поддерживают тесты для достижения заявленной цели, а независимый слой верификации доказывает, что ПО вело себя так, как задумано. «С поддержкой ИИ» описывает человека с более умным инструментом. «Агентный» описывает работу, которой теперь владеет машина.

Давление, стоящее за переименованием, — это объём кода. По оценкам Menlo Ventures, в 2025 году предприятия потратят $4,0 млрд на инструменты ИИ-кодинга — больше половины всех расходов отделов на ИИ. Каждый из этих долларов порождает ещё больше кода, работоспособность которого кому-то нужно доказать.

Мощности валидации за этим не успевают. Бюро трудовой статистики США прогнозирует рост числа вакансий QA-аналитиков и тестировщиков на 6% с 2025 по 2035 год (со 187 600 до 198 200). Более широкая группа разработчиков/QA/тестировщиков вырастет на 10%. Код масштабируется вместе с вычислениями; тестировщики масштабируются вместе со штатом. Этот разрыв и есть весь рынок.

Насколько велик рынок тестирования ПО и какую долю в нём сегодня занимает ИИ?

Аналитические агентства оценивают мировой рынок тестирования ПО примерно в $60–66 млрд, и тестирование с поддержкой ИИ всё ещё занимает менее 1% от него. Это несоответствие — возможность для одних и риск для тех, кто продаёт оставшиеся 99%.

• Весь рынок. Global Market Insights (2026) оценивает рынок в $60,5 млрд в 2025 году и $65,9 млрд в 2026 году, с ростом около 7,7% в год до $127,5 млрд к 2035 году.
• Доля труда. В той же оценке услуги тестирования составили 38% расходов 2025 года — около $23 млрд в год, которые в основном покупают время людей.
• Доля ИИ. Research and Markets (2026) оценивает рынок тестирования с ИИ в $544 млн в 2025 году с ростом до $1,39 млрд к 2031 году. Это менее 1% всех расходов на тестирование.
• Куда идут IT-деньги. Прогноз Gartner от июля 2026 года оценивает IT-расходы 2026 года в $6,37 трлн. ПО растёт на 15,5%; IT-услуги — всего на 5,3%.

Это всё оценки, и они расходятся в общих суммах. Но они сходятся в направлении: покупатели тратят на ПО быстрее, чем на услуги. Моё мнение: в ближайшие 10 лет $65–100 млрд расходов на тестирование станут агентными (то есть будут проходить через агентов и платформы, а не оплачиваться по часам). Это тот самый котёл, за который сейчас бьются все игроки рынка.

Куда уходит бюджет на тестирование сегодня? Четыре пула расходов на качество

Любой бюджет на тестирование делится на четыре пула: Руки, Скрипты, Рельсы и Доказательства. Агентный QA сжимает первые два, растит третий и превращает четвёртый в реальную строку бюджета.

Четыре пула расходов на качество — это модель для отслеживания того, куда уходят деньги и как они перемещаются:

1. Руки — люди, которые тестируют: внутренние ручные тестировщики, офшорные команды регрессии, циклы UAT.
2. Скрипты — создание и поддержка автоматизации: наборы Selenium, Playwright и Appium, фреймворки и часы работы SDET, которые не дают им «падать».
3. Рельсы — инфраструктура, исполняющая тесты: браузерные сетки, облака реальных устройств, оркестрация, мощности CI.
4. Доказательства — независимая верификация: подтверждения того, что ПО и ИИ-агенты вели себя корректно до и после релиза.

Неочевидная часть — это Рельсы. Большинство питчей про ИИ-тестирование обещают меньший счёт за инфраструктуру. Я жду обратного. Агенты не устают, поэтому проверяют больше путей, больше устройств и больше сборок. Объём исполнения растёт. Падать должна стоимость одного прогона, вот почему оркестрация важнее сырого размера сетки.

Какие бюджеты на тестирование сократятся с приходом ИИ-агентов?

Руки и Скрипты сокращаются первыми, потому что именно эту работу ИИ-агенты делают напрямую, и то и другое всё ещё покупается по часам.

Два сигнала показывают, что сдвиг уже начался:

• Часы теряют опору. Если агент может за ночь прогнать и починить полный набор регрессионных тестов, единицей ценности становится подтверждённый релиз. Владельцы бюджетов уже чувствуют давление: в октябрьском опросе CIO 2026 года от Gartner финансирование смещается в сторону GenAI и агентного ИИ, а legacy-расходы режутся. Продления контрактов на тестирование — первая область, где в игру вступает ценообразование по результату.
• Прикрученный сбоку ИИ не дотягивает. World Quality Report 2025-26 от Capgemini показал, что 89% организаций пилотируют или внедряют GenAI в инженерии качества, но лишь 15% вывели его на уровень всего предприятия. Средний прирост продуктивности составил 19%. Выигрыш довольно скромный, поскольку большинство команд просто добавили ИИ в существующие процессы, а не перепроектировали их.

Пул Скриптов не исчезает. Тесты на коде всё ещё крутятся в CI, и SDET всё ещё ими владеют. Исчезает необходимость платить людям за то, чтобы они чинили хрупкие локаторы после каждого изменения UI. Поддержка переходит из статьи расходов на штат в статью расходов на вычисления, когда агенты генерируют и чинят тесты.

Почему дефицитный актив — верификация, а не генерация тестов?

Потому что генерация дешевеет, а доверие — нет. Любой кодинг-агент теперь может написать тесты для кода, который он только что создал, и именно поэтому эти тесты не могут быть единственным доказательством. Автор сам проверяет свою домашнюю работу.

Данные о доверии последовательны:

• Согласно AI Pulse от KPMG за Q1 2026, 54% организаций внедряют ИИ-агентов, и 63% теперь требуют человеческой валидации результатов работы агентов — против 22% годом ранее.
• Октябрьский опрос 2026 года от Gartner среди 2002 CIO показал, что лишь 13% получили значимую или трансформационную ценность от ИИ, и только у 31% есть правила, определяющие, когда пилот не должен идти в прод.
• По данным исследования Gartner, к концу 2027 года более 40% проектов агентного ИИ будут отменены из-за затрат, неясной ценности или недостаточного контроля рисков.
• Capgemini Research Institute (2025) обнаружил, что доверие к полностью автономным агентам упало с 43% до 27% за год.
• Forrester в Predictions 2027, как сообщает TechNewsWorld, предсказывает, что баг в сгенерированном ИИ коде может вызвать глобальный сбой сразу в нескольких отраслях.

Обведите цифру 63%. Человеческая валидация результатов агентов — это пул «Руки», возвращающийся через чёрный ход. Если вы не профинансируете Доказательства на машинной скорости, вы профинансируете их на человеческой, и ROI ваших агентов растворится в очередях на ревью.

Что такое независимая верификация?

Независимая верификация — это доказательства поведения ПО, сгенерированные системой, отдельной от той, что его создала или исполняет: записи, логи, ассерты и оценки, которые может проверить ревьюер или аудитор. Именно независимость превращает заявление в доказательство.

Ждите, что каждая платформа для агентов будет поставлять тесты для своих же агентов. Предприятия запускают агентов поверх CRM, ERP, контакт-центров и кастомных стеков, поэтому доказательства, допускающие релиз, должны поступать из слоя, который не принадлежит ни одному из них.

Наблюдать, оценивать или гарантировать: что нужно вам?

Расходы на Доказательства делятся по времени. Assurance отвечает на вопрос «стоит ли это выпускать?» до релиза; evals и наблюдаемость отвечают на вопрос «как оно работает?» после.

Agent Assurance — это предрелизное тестирование workflow между агентами, при котором тестирующие агенты прогоняют других агентов до релиза без участия человека и возвращают доказательства их поведения. Это самый новый сегмент Доказательств, и сегодня на него выделяют меньше всего бюджета.

Что CIO делать с бюджетом на QA в 2027 году?

Измерьте свои четыре пула, затем переносите деньги из Рук и Скриптов в Рельсы и Доказательства по мере продления контрактов, а не раньше. Используйте этот скоркард, чтобы понять, где вы находитесь.

Скоркард перераспределения бюджета на агентный QA

Оцените каждый вопрос: 0 (нет), 1 (частично) или 2 (да):

• ☐ Знаете ли вы, как ваши расходы на тестирование распределены между Руками, Скриптами, Рельсами и Доказательствами?
• ☐ Заключаются ли продлеваемые в 2027 году контракты на аутсорс-тестирование с оплатой за результат, а не за часы или FTE?
• ☐ Отслеживается ли поддержка тестов как отдельная статья расходов?
• ☐ Создаётся или чинится ли большинство новых тестов агентами, а люди только проводят ревью?
• ☐ Может ли ваш слой исполнения параллельно обрабатывать объёмы уровня агентов на реальных браузерах и устройствах без очередей?
• ☐ Независима ли верификация от системы, которая писала код или запускает агента?
• ☐ Тестируете ли вы чат-, голосовых и IVR-агентов, а также workflow между агентами до релиза, а не только после?
• ☐ Формирует ли каждый релиз доказательства, которые могла бы прочитать команда по рискам или аудитор?

0–5: Уязвимы. Вы платите цены 2019 года за работу 2026-го. 6–11: В процессе перехода. Выберите два самых низких балла и исправьте их до следующего цикла продления контрактов. 12–16: Готовы к агентному подходу. Ваша следующая задача — доказать ценность совету директоров, так что сделайте Доказательства отчётными.

Кто побеждает, а кого ждёт подрыв в ИИ-тестировании ПО?

Чистая арбитража труда и генераторы тестов с одной функцией — проигрышная ставка. Победители — платформы, которые контролируют исполнение в масштабе и имеют независимые доказательства для любого типа взаимодействия с ПО.

Проще всего увидеть карту по тому, кто с кем общается:

Три группы наиболее уязвимы. Во-первых, трудоёмкие сервисы тестирования, которые не переходят на оплату за результат. Во-вторых, отдельные инструменты-«ИИ-генераторы тестов», потому что кодинг-агенты теперь генерируют тесты как побочный эффект. В-третьих, инфраструктура, которую продают только как мощность, без оркестрации и нативного доступа для агентов.

Победителями станут end-to-end платформы, закрывающие все три строки для энтерпрайза и среднего бизнеса, которым нужно меньше вендоров, а не больше точечных инструментов.

Какое место TestMu AI занимает в агентном QA

TestMu AI был назван Лидером в Магическом квадранте Gartner 2026 года для платформ агентного обеспечения качества ПО. Я сооснователь компании, поэтому расскажу, как мы строили четыре пула, а не список фич. TestMu AI — платформа агентной инженерии качества из двух половин, Agentic Testing и Agentic Cloud, с одним принципом в основе: независимый слой верификации, создающий доказательства поведения.

• От Рук к агентам: KaneAI позволяет ручным тестировщикам и PM создавать и запускать тесты на естественном языке, так что предметные знания масштабируются без роста штата.
• От Скриптов к агентам: Kane CLI даёт SDET и разработчикам полный цикл инженерии качества прямо в терминале, рядом с кодинг-агентами, которыми они уже пользуются.
• Рельсы: HyperExecute, наш слой оркестрации тестов, работает на таких объёмах вместе с Real Device Cloud и Browser Cloud, предоставляя ИИ-агентам собственную браузерную инфраструктуру.
• Доказательства: Agent Testing покрывает чат-, голосовых, IVR-, WhatsApp- и видео-агентов. Rook обеспечивает Agent Assurance: агенты тестируют агентов до релиза.

Одна платформа покрывает веб, мобайл, коробочные приложения вроде Salesforce, SAP, Microsoft 365, Oracle и ServiceNow, а также ИИ-агентов. Это важно, потому что Доказательства работают только тогда, когда собраны в одном месте. Мы называем более широкую категорию Observe, Eval и Assure, и лидерство у нас именно в Assure.

Прогнозы по агентному QA на 2027–2030 годы

Это мои прогнозы, а не оценки аналитиков:

1. К концу 2027 года корпоративные RFP на тестирование будут оценивать вендоров по количеству доказательств на релиз, а не по числу написанных тестов.
2. В циклах продления 2027–2028 годов контракты на аутсорс-регрессию перейдут к оплате за результат или за подтверждённый релиз.
3. К 2028 году регулируемые предприятия выделят Доказательствам отдельную строку бюджета под совместным управлением с отделами рисков и комплаенса.
4. К 2029 году прогоны тестов, сгенерированных агентами, превысят число прогонов, написанных людьми, на основных облаках исполнения.
5. Первый крупный сбой из-за ИИ-кода сделает для бюджетов на Доказательства то же, что крупные сбои сделали для наблюдаемости: превратит приятный бонус в пункт повестки совета директоров.

Заключение: агентный QA перемещает деньги, а не только работу

Агентный QA — это не просто более дешёвая версия тестирования, которое вы покупаете сейчас. Это совершенно другая форма расходов: меньше часов, меньше написанных вручную скриптов, больше исполнения и новая статья бюджета на независимые доказательства. То, что Gartner переименовал категорию, говорит вам: сдвиг теперь официальный. То, что 63% организаций всё ещё валидируют результаты агентов вручную, говорит: путь ещё не пройден.

Прогоните скоркард в этом квартале. Составьте карту своих четырёх пулов. Затем перенесите бюджет туда, откуда берутся доказательства.

Следующий шаг: посмотрите, как HyperExecute и Agent Testing ложатся на ваши пулы Рельсов и Доказательств, или читайте документацию TestMu AI.

FAQ

Что такое агентный QA?

Агентный QA — это обеспечение качества ПО, при котором ИИ-агенты планируют, создают, запускают и поддерживают тесты для достижения заявленной цели, а независимый слой верификации подтверждает, что ПО действительно вело себя так, как требовалось. Это отличается от тестирования с поддержкой ИИ, где человек всё ещё управляет инструментом. В агентном QA работу делает агент, а человек проверяет доказательства.

Почему Gartner переименовал свой Магический квадрант тестирования ПО?

6 октября 2026 года Gartner опубликовал Магический квадрант платформ агентного обеспечения качества ПО, пришедший на смену отчёту 2025 года об инструментах тестирования ПО с поддержкой ИИ. Переименование отражает переход от ИИ, помогающего тестировщикам-людям, к ИИ-агентам, выполняющим тестирование самостоятельно. Драйвер — кодинг-агенты, производящие ПО быстрее, чем команды успевают его проверять.

Насколько велик рынок тестирования ПО в 2026 году?

Global Market Insights оценивает рынок тестирования ПО в $65,9 млрд в 2026 году против $60,5 млрд в 2025 году, с ростом около 7,7% в год до $127,5 млрд к 2035 году. Услуги тестирования составили 38% расходов 2025 года. Тестирование с поддержкой ИИ, по данным Research and Markets, составило около $544 млн в 2025 году — менее 1% от общего объёма. Всё это оценки аналитических агентств.

Сократят ли ИИ-агенты бюджеты на QA?

По нашему мнению, нет. ИИ-агенты снижают расходы на часы ручного тестирования и поддержку скриптов, но увеличивают объём исполнения тестов и тем самым создают спрос на независимую верификацию. В рамках модели «Четыре пула расходов на качество» деньги перетекают из Рук и Скриптов в Рельсы (инфраструктуру исполнения) и Доказательства (верификацию), а не просто исчезают.

Что такое модель «Четыре пула расходов на качество»?

Четыре пула расходов на качество — это модель для отслеживания того, куда уходят деньги на тестирование: Руки (люди, которые тестируют), Скрипты (создание и поддержка автоматизации), Рельсы (браузерные сетки, облака реальных устройств и оркестрация) и Доказательства (независимая верификация поведения ПО и ИИ-агентов). Агентный QA сжимает Руки и Скрипты, растит Рельсы и превращает Доказательства в отдельную строку бюджета.

В чём разница между agent assurance, evals и наблюдаемостью?

Agent Assurance — это предрелизное тестирование workflow между агентами, где тестирующие агенты прогоняют других агентов до релиза и возвращают доказательства. Evals оценивают качество результата офлайн или после релиза. Наблюдаемость — это то, что мониторит действия агентов в проде. Assurance отвечает на вопрос «стоит ли это выпускать?». Evals и наблюдаемость отвечают на вопрос «как оно работает после выхода?».

Как CIO следует перераспределять бюджет на QA для агентного ИИ?

Начните с анализа расходов по Рукам, Скриптам, Рельсам и Доказательствам. Затем, по мере обновления контрактов, сдвигайте расходы: переведите аутсорс-тестирование на оплату за результат, прекратите финансировать новые наборы скриптов, написанных вручную, инвестируйте в оркестрацию и исполнение, а для независимой верификации назначьте ответственного и бюджет. KPMG выяснил, что 63% компаний всё ещё проверяют результаты агентов вручную, так что Доказательства — это главный пробел.