Как ИИ группирует баги и ищет причины падений: разбор подхода с playwright-ai

Рост производительности разработчиков за счёт ИИ-ассистентов привёл к тому, что кода стало заметно больше — а вот пропускная способность QA-команд за ним не поспевает. Тестировщики тоже используют нейросети, но им нужно больше контекста и инфраструктуры. Автор статьи на Habr предлагает сосредоточиться на подготовке данных для ИИ, а не только на самих моделях.

Конкретный пример — группировка падений перед анализом их причин (RCA). Для этого используется инструмент playwright-ai/auto-debug, который автоматизирует отладку багов. Идея в том, чтобы нейросеть сначала сама сгруппировала похожие ошибки, а затем помогла найти их корень — без ручного перебора логов.