Analitičari su preimenovali tržište alata za testiranje, dve velike ankete kažu da AI koristi skoro svako a da bugova nije manje, a Playwright i Selenium su u mesec dana izbacili verzije koje menjaju kako se pišu testovi. Evo šta se desilo, sa brojevima i datumima, i šta QA inženjer iz toga može da nauči.
Svake jeseni industrija testiranja objavi domaći zadatak: stignu veliki izveštaji, analitičari nacrtaju nove mape, frameworks isporuče ono što su gradili preko leta. Većina toga je šum. Ove godine nekoliko vesti pokazuje u istom pravcu dovoljno jasno da vrede sedam minuta vremena svakom ko testira softver ili to tek uči.
1. Gartner je preimenovao tržište: alati za testiranje su sada „agentske platforme“
Početkom oktobra Gartner je objavio nov Magic Quadrant, a najveća vest je naziv na koricama. Ono što se do sada zvalo Magic Quadrant for AI-Augmented Software Testing Tools sada se zove Magic Quadrant for Agentic Software Quality Assurance Platforms. Gartner te platforme opisuje kao „autonomna ili poluautonomna rešenja sa integrisanim, orkestriranim mogućnostima“ za kontinuirano testiranje kroz ceo razvojni ciklus (saopštenje Tricentisa od 9.10.2026).
Uz to, vendori citiraju dve Gartnerove prognoze: do 2030. AI agenti će pokretati, koordinisati, izvršavati i analizirati više od 50% testiranja u velikim firmama, a do 2028. 65% quality inženjera radiće svoj posao kroz komandnu liniju (pregled na TestMu blogu, 13.10.2026).
Šta se iz toga uči. Kad industrija preimenuje kategoriju, to je priznanje da se proizvod promenio. Pre godinu dana poruka je bila „AI pomaže testeru“; sada je „agenti testiraju, ljudi nadgledaju“. Za nekoga ko uči QA, druga prognoza je važnija od prve: terminal postaje radno mesto. Ko se danas plaši komandne linije, Git-a i config fajlova, za dve godine će gledati kako kolege rade sa agentima dok on klikće po dashboardu. Agent može preko noći da izvrši deset hiljada provera; neko i dalje mora da odluči da li release u petak ide napolje. Taj neko mora da ume da pročita šta je agent uradio.
2. AI je u 92% test procesa. Bugovi nisu dobili obaveštenje
Applause je 30. septembra objavio izveštaj 2026 State of Digital Quality o funkcionalnom testiranju, na osnovu globalne ankete iz avgusta (saopštenje, Business Wire). Broj koji privlači pažnju: više od 92% ispitanika koristi AI u procesu testiranja, prošle godine 60%. 89% kaže da im je AI promenio način rada.
Broj koji treba zapamtiti je drugi: 29% ispitanika kaže da je broj ili težina defekata porasla, 15% kaže da je poraslo i jedno i drugo. 66% organizacija ima pisana pravila za upotrebu AI-ja u razvoju i testiranju, ali samo 20% ta pravila smatra jasnim. Istovremeno 86% ocenjuje učešće čoveka u funkcionalnom testiranju kao izuzetno važno.
Šta se iz toga uči. Anketa ne dokazuje da je AI izazvao dodatne bugove, i to ne treba tvrditi. Ali ruši jednu udobnu pretpostavku: da ubacivanje AI-ja u testiranje samo po sebi podiže kvalitet. Podiže propusnost. Da li kvalitet prati, zavisi od toga šta ljudi oko alata proveravaju. Kad 92% ljudi koristi AI, korišćenje AI-ja više nije prednost. Prednost je znati koji rezultat da prihvatiš, a koji da pokreneš još jednom pre nego što ga potpišeš.
3. Usko grlo se preselilo u QA, i sada za to postoje brojevi
Nedelju dana ranije, 24. septembra, DeviQA je objavio izveštaj o tome kako razvoj uz AI asistente menja testiranje (saopštenje). Uzorak je neobično konkretan: 4.000 QA inženjera, SDET-ova i test lead-ova, anketiranih između 15. avgusta i 15. septembra, od kojih je svako u prethodnih šest meseci lično testirao funkcionalnosti pisane uz AI alate za kodiranje.
Njihovi odgovori opisuju red koji se puni. 65% kaže da nove funkcionalnosti sada stižu na testiranje ranije. 64% kaže da ih stiže više odjednom. 55% gleda kako im QA red raste, a 52% prijavljuje više ciklusa test-fix-retest. Detalj koji ostaje u glavi: 47% je videlo funkcionalnost pisanu uz AI koja je prošla glavni scenario, a pokvarila nešto drugo, a 42% kaže da su izmene dirnule više komponenti nego što je iko očekivao.
Na pitanje šta bi najviše pomoglo, 77% je stavilo istu stvar na prvo mesto: jasne acceptance criteria.
Šta se iz toga uči. AI alati za kodiranje nisu uklonili posao iz sistema, nego su ga pomerili nizvodno, ka ljudima koji proveravaju. Obrazac iz onih 47% je najskuplji: happy path radi, demo radi, a bug živi u sporednom efektu koji niko nije tražio. Za testera to znači dve konkretne veštine. Prva: regresija oko izmene, ne samo test izmene; pitanje „šta još dodiruje ovaj kod“ postavlja se pre nego što tiket uđe u TESTING kolonu. Druga: pisanje i traženje acceptance criteria pre nego što iko, čovek ili model, napiše kod. Najjeftiniji alat za kvalitet na toj listi nije alat, nego tiket u kome piše šta znači „gotovo“.
4. Playwright 1.63 i 1.64: alat za testiranje počeo da gradi za agente kao korisnike
Playwright je u mesec dana izbacio dve verzije (release notes). Verzija 1.63 iz septembra donela je stvari koje timovi godinama traže: test lock-ove, da testovi koji dele isti resurs (jedan test nalog, jedan payment sandbox) nikad ne rade u isto vreme, čak ni kroz različite worker-e i projekte; frame lokatore koji pretražuju svaki iframe bez imenovanja; locator.visible() kao čistu zamenu za :visible pseudo-klasu; i trace koji uz DOM snima i accessibility stablo i ekran.
Verzija 1.64, objavljena 10. oktobra, ide dalje. Dodaje podršku za WebMCP, eksperimentalni API kroz koji web stranica registruje sopstvene alate koje AI agenti mogu da pozovu. Playwright iz testa može da izlista i pozove te alate (page.webmcp.tools(), page.webmcp.callTool()), a Playwright MCP ih agentu nudi automatski. Ista verzija dodaje –shuffle, zastavicu koja izvršava testove nasumičnim redosledom, i lock podešavanja na nivou describe bloka. Od letošnje verzije 1.62, npx playwright mcp i npx playwright cli dolaze u samom paketu.
Šta se iz toga uči. Dve stvari. Praktična: –shuffle i lock-ovi gađaju dva najčešća uzroka flaky testova, skrivenu zavisnost od redosleda i deljene test podatke. Ko uči automatizaciju, ovo je lekcija koja se inače plaća mesecima debagovanja: uključi shuffle u noćni run i pogledaj šta padne; ta lista je stvarni flakiness backlog. Strateška: framework za automatizaciju browsera sada tretira AI agenta kao ravnopravnog korisnika, sa sopstvenim protokolom, CLI-jem i ulazom u stranicu. Stavi to pored Gartnerove prognoze o 65% inženjera u terminalu i pravac je teško promašiti. A ako aplikacija koju testiraš ikad izloži WebMCP alate, to je nov interfejs u nju, koji traži testove, validaciju ulaza i proveru dozvola isto kao javni API.
5. Selenium 4.50: tiho, postojano, i dalje ide ka BiDi-ju
Selenium ne pravi događaje od izdanja, i verzija 4.50 od 30. septembra je tipična: postepena, pažljiva, korisna (selenium.dev). Podrška za WebDriver BiDi nastavila je da raste kroz .NET, Ruby i Java binding-e. BiDi je W3C standardni protokol ka kome se Selenium pomera kao alternativa DevTools kukama koje rade samo u Chrome-u. Relative lokatori u Javi i .NET-u sada mogu da se sidre na element ili na shadow root, ne samo na driver. Zastarele metode za Firefox profile i sertifikate uklonjene su iz svih binding-a.
Šta se iz toga uči. Selenium ne umire; u bankama, osiguranjima i telekomima postoje ogromni Selenium framework-ovi koji će raditi godinama, i to su radna mesta. Ali „deprecated“ se iz verzije u verziju pretvara u „removed“: timovi koji su preskočili nekoliko nadogradnji sada gledaju migraciju, ne promenu broja verzije. Za nekoga ko bira šta da uči, odgovor je i dalje isti kao prošle godine: oba alata, jer tržište radi u oba, a principi (lokatori, Page Object Model, čekanje na uslov umesto na vreme) su identični. Razlika je samo u tome da Selenium kod koji se oslanja na CDP treba planirano seliti na BiDi, pre nego što to natera nova verzija browsera.
Šta industrija uči, a šta iz toga treba da naučiš ti
Kad se pet vesti pročita zajedno, nekoliko lekcija se ponavlja.
- Brzina je pomerila problem, nije ga rešila. Kod stiže brže, verifikacija je postala usko grlo. Timovi koji najbolje izlaze na kraj pomerili su napor ranije: oštriji tiketi, analiza rizika pre razvoja, umesto više ljudi na kraju cevi. Veština koja se traži: razumeti zahtev pre koda, ne samo proveriti kod posle.
- AI u testiranju je normalna stvar. Procena je ono što razdvaja ljude. Kad 92% koristi AI, korišćenje nije prednost. Prednost je znati koje rezultate da prihvatiš i imati čoveka koji drži odluku o release-u. Učiti AI alate je obavezno; učiti kad im ne verovati je ono što donosi posao.
- Acceptance criteria su najjeftiniji alat za kvalitet u zgradi. Tri od četiri testera stavljaju ih na prvo mesto. Nema licence, nema instalacije; treba samo da neko umete da ih napiše i da ih traži.
- Alati se grade za agente, a čovek pregleda. CLI, MCP, WebMCP: sledeća generacija alata pretpostavlja da agent vozi, a čovek recenzira. Ko nauči da dobro pregleda ono što agent proizvede, izvući će iz tih alata najviše; ko ih samo uključi, dobiće brže pogrešne testove.
- Flaky testovi imaju uzrok, i on je sada u alatu. Redosled i deljeni podaci. Nasumičan redosled i lock-ovi su u framework-u; izgovora „testovi su nestabilni“ više nema.
Ništa od ovoga nije razlog za paniku, i ništa nije razlog da se čeka. Alati nikad nisu bili sposobniji. Razlika između ljudi koji ih koriste sa disciplinom i ljudi koji ih samo uključe uskoro će postati vrlo vidljiva: u release beleškama i u izveštajima o incidentima.