Amazon AMET Payments ускорила генерацию тест-кейсов в 20 раз: как ИИ-агенты Strands изменили QA-процессы

Команда Amazon AMET Payments, которая управляет платежными системами для 10 миллионов клиентов в пяти странах, ежемесячно выпускает около пяти новых функций. Каждая функция требует глубокого тестирования, и раньше на генерацию тест-кейсов уходила неделя ручного труда. После внедрения мультиагентной ИИ-системы Strands Agents это время сократилось до нескольких часов, что в 20 раз быстрее.

Если на генерацию тест-кейсов в вашей компании уходит неделя ручного труда, это уже готовый кейс для автоматизации. Напишите нашему менеджеру, он проведёт бесплатный анализ вашего бизнеса и ниши и расскажет, как именно в вашем случае получить реальный бизнес-результат от ИИ-агента, а не красивую картинку. Написать менеджеру

Как было до внедрения ИИ-агентов

QA-инженеры Amazon AMET Payments тратили целую неделю на каждый проект, чтобы вручную анализировать бизнес-требования, проектную документацию, макеты пользовательского интерфейса и прошлые тестовые подготовки. Этот процесс был настолько трудоемким, что на одну только генерацию тест-кейсов требовался один штатный инженер на целый год.

Основные проблемы:

• Высокие временные затраты. Неделя на генерацию тест-кейсов для каждой новой функции.
• Повторяющиеся задачи. Инженеры тратили время на рутинную подготовку и документирование вместо стратегического тестирования.
• Трудности с масштабированием. При пяти новых функциях в месяц такой подход создавал узкое место в цикле разработки продукта.

Первые попытки использовать традиционные ИИ-подходы, просто подавая документы целиком одному агенту, давали слишком общие результаты, вроде «проверить, работает ли оплата корректно», вместо специфических и действенных тест-кейсов.

Что внедрили: SAARAM и мультиагентный подход

Команда разработала SAARAM (QA Lifecycle App) — мультиагентное ИИ-решение, использующее Amazon Bedrock и Claude Sonnet от Anthropic в сочетании с Strands Agents SDK. Ключевым моментом стал человеко-ориентированный подход: вместо того чтобы спрашивать «как ИИ должен думать о тестировании?», команда спросила «как опытные люди думают о тестировании?».

Это привело к созданию специализированных агентов, которые имитируют когнитивные процессы опытных QA-инженеров:

• Анализ документов. Агенты извлекают критерии приемлемости, идентифицируют пользовательские сценарии, анализируют требования к UX и данные о пользователях.
• Разработка тестов. Систематический процесс, включающий анализ пользовательских путей, идентификацию сценариев, картирование потоков данных и разработку тест-кейсов.

Итерации включали создание специализированных агентов для сегментации клиентов, картирования пользовательских путей, анализа покрытия сегментов и управления переходами состояний. Strands Agents SDK позволил эффективно оркестрировать эти сложные, взаимозависимые задачи.

Результаты

Внедрение SAARAM привело к значительному ускорению процесса генерации тест-кейсов, повышению их качества и сокращению затрат. Это позволило QA-инженерам сосредоточиться на более стратегических задачах, а не на рутине. Решение масштабируется и планируется к расширению на другие QA-команды Amazon.

Источник: aws.amazon.com

Что можно сделать у вас

Опыт Amazon AMET Payments показывает, что мультиагентные ИИ-системы могут трансформировать процессы, требующие глубокого анализа и систематизации:

• Автоматизация рутинного анализа. ИИ-агенты могут анализировать большие объемы документации, извлекая ключевую информацию и структурируя ее для дальнейшего использования.
• Генерация специфических задач. Вместо общих формулировок, агенты могут создавать конкретные, действенные задачи, имитируя мышление опытных специалистов.
• Масштабирование экспертизы. Знания лучших сотрудников могут быть «закодированы» в агентах, что позволяет масштабировать их опыт на всю команду и снизить зависимость от индивидуальных экспертов.

Если вы хотите узнать, как ИИ-агенты могут оптимизировать процессы в вашей компании, напишите менеджеру. Мы проведем бесплатный анализ и покажем потенциал для вашего бизнеса.