fabricaONE.AI автоматизирует тесты для АБС «ЦФТ-Банк» по фактическому трафику
Bell Integrator представила ИИ-инструмент, который автоматически обновляет автотесты для АБС «ЦФТ-Банк» на основе реального трафика, исключая ручной труд инженеров. Это позволяет банкам быстрее реагировать на изменения в интеграциях и снижает риск поломки тестов при каждом обновлении систем.
Компания Bell Integrator fabricaONE.AI (акционер — ГК Softline) представила программное решение, которое автоматизирует создание и обновление тестов для АБС «ЦФТ-Банк» с помощью искусственного интеллекта. Инструмент анализирует реальный трафик между системами и самостоятельно формирует исполняемые тесты. Это позволяет банкам быстрее реагировать на изменения в интеграциях и сократить ручной труд инженеров, которые раньше тратили время на перенос запросов в код.
ИИ-инструмент не генерирует код «вслепую», а сначала разбирает фактическое поведение системы по логам или трафику. Это снижает риск создания невалидных тестов, которые ломаются при каждом обновлении интеграции.
Как работает автоматизация
С ростом числа подключенных сервисов к АБС «ЦФТ-Банк» поддержка актуальных автотестов становится дорогой и трудоемкой задачей. Новое решение снимает эту нагрузку, работая по следующему принципу:
- Анализ данных: ИИ получает логи или перехваченный HTTP/HTTPS-трафик (если прямого доступа к логам нет).
- Разбор процессов: Алгоритмы выделяют endpoint, метод, заголовки и тело запроса. Система отличает статические константы от динамических тестовых данных.
- Выстраивание зависимостей: ИИ определяет связь между шагами. Например, идентификатор из ответа одного сервиса автоматически подставляется в следующий запрос.
- Генерация артефактов: На выходе формируются готовые к работе файлы:
- Автотесты на Java (Rest Assured, JUnit 5), совместимые с CI/CD-конвейерами.
- Сценарии нагрузочного тестирования для Apache JMeter, Gatling или k6 с параметризацией данных.
Полученный код — это стандартные артефакты, которые можно хранить в Git, запускать через Jenkins или TeamCity и дорабатывать силами внутренней команды банка. При изменении интеграции система заново анализирует актуальный трафик и обновляет тест, исключая необходимость ручной правки каждого сценария.
Охват интеграционного контура и безопасность
Решение не ограничивается проверкой отдельных API. Оно охватывает весь интеграционный контур «ЦФТ-Банк», включая асинхронные процессы через очереди сообщений (JMS, ActiveMQ, IBM MQ, Kafka). Это позволяет тестировать сквозные бизнес-процессы: от запуска в одной системе через АБС до завершения во внешнем сервисе. Нагрузку можно воспроизводить на весь контур целиком, а не только на отдельный REST API.
Кирилл Филенков, директор по качеству Bell Integrator, отмечает, что задача состояла не в создании очередного генератора кода, а в решении проблемы понимания взаимосвязей между сервисами. «Самая трудоемкая часть начинается раньше написания кода — нужно понять, какие именно обращения выполняет система и как они связаны. Решение видит взаимодействие так же, как инженер в логах, разбирает его и строит стабильный воспроизводимый тест», — пояснил он.
Для банков с повышенными требованиями к информационной безопасности компоненты решения можно развернуть внутри контура заказчика. Чувствительные данные обезличиваются перед передачей ИИ-компоненту, что исключает утечку информации во внешние сервисы.
Операционные последствия и тренды
- Сокращение времени на поддержку: Автоматическое обновление тестов при изменении интеграций снижает риск «протухания» автотестов. Инженеры переходят от рутинного кодирования к проверке бизнес-логики.
- Единая модель тестирования: Банк получает возможность собрать единую автоматизированную тестовую модель для АБС, заменяя набор разрозненных сценариев целостной структурой. Это упрощает управление техническим долгом в тестовой базе.
- Гибкость развертывания: Возможность локального размещения компонентов решает проблему комплаенса и безопасности данных, что критично для финансового сектора.
- Расширяемость: Решение подходит как для автоматизации с нуля, так и для расширения существующей базы тестов. В перспективе технологию можно адаптировать для других корпоративных систем со сложными интеграциями.
Переход от ручного создания автотестов к ИИ-анализу трафика меняет роль QA-инженера: фокус смещается с синтаксиса и структуры запросов на валидацию бизнес-правил и логики процессов.
Подтверждение: softline.ru