AI danas piše velik dio novog koda, a netko ga mora provjeriti. Zato je testiranje softvera mjesto na kojem obećanje AI produktivnosti ili opstaje ili pada. Naslovni brojevi zvuče kao gotova stvar: World Quality Report 2025-26 tvrtki Capgemini, Sogeti i OpenText pokazuje da 89% organizacija pilotira ili koristi generativni AI u osiguranju kvalitete. No samo ga je 15% skaliralo na razinu cijele tvrtke, prosječni rast produktivnosti iznosi 19%, a u Applauseovoj anketi za 2026. 29% timova bilježi više ili teže greške iako korištenje AI-ja raste. Ovaj vodič objašnjava što AI testiranje stvarno radi u 2026., gdje se uklapaju agenti na Claudeu, OpenAI Codexu, Mistralu i Manusu te kako tvrtke u Hrvatskoj, Njemačkoj i Austriji trebaju pristupiti temi.
Svi ga koriste, ovisno o tome tko pita
Ankete o AI-ju u testiranju daju vrlo različite brojeve jer pitaju različite ljude različita pitanja. BrowserStackova anketa iz veljače 2026. među više od 250 tehnoloških lidera navodi da 94% timova koristi AI u testiranju. Applause navodi 92% u funkcionalnom testiranju, u odnosu na 60% godinu ranije. Katalon bilježi 76% od više od 1.500 QA stručnjaka koji koriste AI alate, a mabl 57% QA timova, naspram 72% razvojnih timova. Na drugom kraju, Leapworkova studija među 302 stručnjaka za testiranje pokazuje da samo 12,6% koristi AI u ključnim tijekovima testiranja, iako 88% to smatra prioritetom.
Izvori: BrowserStack (velj. 2026., 250+ tehnoloških lidera), Applause State of Digital Quality 2026 (funkcionalno testiranje), World Quality Report 2025-26 (Capgemini, Sogeti, OpenText; 37% u produkciji, 52% u pilotima), Katalon (1.500+ QA stručnjaka), mabl 2026 State of Quality Engineering, Leapwork AI in Testing (302 ispitanika, 2026.). Uglavnom istraživanja dobavljača s različitim definicijama; čitajte kao smjer.
Pošteno tumačenje: gotovo svaki tim isprobao je neku AI funkciju, često onu uključenu u alat koji već koristi. Vrlo malo njih promijenilo je način testiranja od početka do kraja.
Jaz u zrelosti
Svaka anketa koja pita o dubini primjene priča istu priču. U World Quality Reportu 89% pilotira ili koristi AI, ali 15% na razini tvrtke. BrowserStackovih 94% pada na 12% s punom autonomijom. Alt.QA je utvrdio da 73% razvojnih timova ima neku AI infrastrukturu za testiranje, ali samo 18% vjeruje svojoj pokrivenosti testovima. Kao vodeće primjene ispitanici navode osmišljavanje testnih slučajeva i doradu zahtjeva, a podaci PractiTesta na vrh stavljaju izradu testnih slučajeva (69,6%) i održavanje skripti (59,6%).
Izvori: World Quality Report 2025-26 (89% pilot ili primjena naspram 15% na razini tvrtke), BrowserStack 2026. (94% koristi naspram 12% pune autonomije), Alt.QA anketa 500 timova iz velj. 2026. (73% ima AI infrastrukturu za testiranje naspram 18% koji vjeruju pokrivenosti), Leapwork 2026. (88% prioritet naspram 12,6% primjene u ključnim tijekovima).
Što AI testiranje zapravo znači u 2026.
Pod "AI testiranjem" krije se pet prilično različitih stvari. Njihovo miješanje najčešći je razlog razočaravajućih pilota.
| Pristup | Što radi | Tipični alati | Zrelost |
|---|---|---|---|
| Generiranje testova | Izrađuje nacrte unit, API i end-to-end testova iz koda, zahtjeva ili korisničkih priča | Claude, GPT modeli, GitHub Copilot, Mistralov Devstral | Spremno za produkciju, uz pregled |
| Samopopravljajući UI testovi | Popravlja lokatore kad se sučelje promijeni pa testovi rjeđe pucaju | Komercijalne platforme poput mabl, Tricentis, Leapwork, Katalon | Zrelo za web sučelja |
| Agentno testiranje u razvojnom okruženju | Agent za kodiranje piše test, pokreće ga u pravom pregledniku, čita grešku i popravlja test ili kod | Claude Code ili OpenAI Codex s Playwrightom preko MCP-a | Brzo se razvija, snažno za developere |
| Autonomno istraživanje | Opći agent klika kroz aplikaciju kao korisnik i javlja što izgleda pokvareno | Manus, preglednički agenti OpenAI-ja i drugih | Korisno za smoke testove, nije determinističko |
| Testiranje samog AI-ja | Provjerava chatbotove i agente na točnost, sigurnost i regresije | Eval paketi, LLM-as-a-judge, red teaming | Nužno za svaku AI funkciju |
Podjela AI Workshopa na temelju dokumentacije dobavljača i World Quality Reporta 2025-26. Popisi alata su primjeri, ne preporuke.
Gdje se uklapaju Anthropic, OpenAI, Mistral i Manus
Najveći pomak protekle godine jest to što se testiranje preselilo u agenta za kodiranje. Claude Code radi u terminalu, piše testove, pokreće testni paket i ponavlja dok testovi ne prođu. Povezan s Playwrightom preko Model Context Protocola, može otvoriti aplikaciju u pravom pregledniku, proći kroz tijek i ono što je vidio pretvoriti u ponovljiv test. OpenAI Codex slijedi isti obrazac u oblačnim sandboxima i pokreće testove projekta prije nego predloži promjenu. Za timove koji izvorni kod ne smiju slati u američki oblak, modeli Mistral Devstral imaju otvorene težine i mogu raditi na vlastitim poslužiteljima, što je važno bankama i javnom sektoru. Manus i slični opći agenti mogu istraživati web aplikaciju kao korisnik, što je dobro za pronalaženje očitih kvarova, ali njihova izvođenja nisu dovoljno ponovljiva da zamijene regresijske testove.
Praktični obrazac koji radi: neka AI piše i održava testove, ali ih pokrećite kao obične determinističke testove u CI pipelineu. AI model ne bi smio biti sudac u trenutku izdavanja verzije. Same agente za kodiranje uspoređujemo u vodiču o AI agentima za kodiranje.
Zamka koju treba izbjeći: kad isti AI piše i kod i testove, testovi obično potvrđuju ono što kod radi, uključujući njegove greške. Pokrivenost raste, a povjerenje ne bi trebalo. Barem kriterije prihvaćanja neka pišu ljudi, pregledavajte generirane provjere i pratite greške koje su procurile u produkciju, a ne broj testova. Naš članak o sigurnosti i kvaliteti AI generiranog koda pokazuje zašto je to važno.
Što koči tvrtke
Prepreke su manje tehnološke, a više vezane uz podatke, integraciju i povjerenje. U World Quality Reportu na vrhu su rizici za privatnost podataka (67%), složenost integracije (64%) i nedostatak vještina (50%). U Leapworkovoj studiji 54% navodi zabrinutost za točnost i kvalitetu. Istodobno Applauseovi podaci pokazuju rizik prebrzog tempa: 29% timova zabilježilo je više ili teže funkcionalne greške dok je korištenje AI-ja raslo.
Izvori: World Quality Report 2025-26 (privatnost podataka, integracija, vještine), Leapwork 2026. (zabrinutost za točnost i kvalitetu), Applause State of Digital Quality 2026 (timovi koji bilježe porast broja ili težine funkcionalnih grešaka). Različite ankete, nisu izravno usporedive.
Tržište koje je po većini mjerila još malo
AI alati za testiranje čine mali dio ukupne potrošnje na testiranje. Procjene za 2026. kreću se od oko 0,75 mlrd. $ za AI alate za testiranje (The Business Research Company) i 1,21 mlrd. $ za AI testiranje (Fortune Business Insights, s prognozom od 4,64 mlrd. $ do 2034.) do 11,99 mlrd. $ kad Mordor Intelligence široko računa AI testiranje i QA usluge. Za usporedbu, ukupno tržište automatizacije testiranja procjenjuje se na oko 40,6 mlrd. $ u 2026. Većina novca i dalje odlazi na ljude i klasične alate.
Izvori: The Business Research Company (AI alati za testiranje, 0,75 mlrd. $ u 2026., CAGR 29,1%), Fortune Business Insights (AI testiranje, 1,21 mlrd. $ u 2026. do 4,64 mlrd. $ u 2034., CAGR 18,3%), Mordor Intelligence (AI testiranje softvera i QA, 11,99 mlrd. $ u 2026.). Opseg definicija jako se razlikuje.
EU kut: testni podaci, DORA i AI Act
- GDPR i testni podaci. Kopiranje produkcijskih podataka u promptove ili testna okruženja jest obrada osobnih podataka. Koristite maskirane ili sintetičke testne podatke, za osjetljiv kod i podatke birajte modele smještene u EU ili na vlastitim poslužiteljima te sa svakim AI dobavljačem potpišite ugovor o obradi podataka.
- DORA za financijski sektor. Od siječnja 2025. banke, osiguravatelji i njihovi ICT pružatelji u EU moraju provoditi program testiranja digitalne operativne otpornosti. AI generirani testovi su dobrodošli, ali morate moći pokazati što je testirano, tko je testirao i s kojim rezultatom. Dokazi o testiranju moraju biti sljedivi.
- EU AI Act. Visokorizični AI sustavi moraju se testirati prema definiranim metrikama kao dio upravljanja rizikom (članak 9.) i dokumentirati za točnost i robusnost (članak 15.), s obvezama od kolovoza 2026. Ako razvijate AI funkcije, njihovo testiranje je zakonska obveza, a ne dodatak. Pogledajte naš vodič za usklađenost s EU AI Actom i vodič o evaluaciji AI agenata.
Naš plan pilota u 30 dana: odaberite jedan proizvod sa stabilnim CI pipelineom. 1. tjedan: izmjerite polazno stanje (vrijeme za pisanje testa, udio nestabilnih testova, greške koje procure u produkciju). 2. tjedan: Claude Codeom ili Codexom s Playwrightom generirajte testove za pet najvažnijih korisničkih tijekova i pregledajte svaku provjeru. 3. tjedan: dodajte samopopravljanje ili održavanje UI testova pomoću agenata. 4. tjedan: usporedite s polaznim stanjem i odlučite. Cijelo vrijeme koristite sintetičke podatke, a odluku o izdavanju verzije ostavite determinističkoj.
Što to znači za tvrtke u Hrvatskoj i DACH regiji
- Vaši developeri već koriste AI za pisanje testova. Učinite to službenim, dajte im odobrene alate i postavite pravila pregleda umjesto da svaki tim improvizira.
- Počnite ondje gdje testiranje najviše boli. Krhki UI testovi i nedostatna pokrivenost ključnih tijekova pokazuju rezultate za nekoliko tjedana.
- Mjerite ishode, ne aktivnost. Važni su greške u produkciji, udio nestabilnih testova i vrijeme do izdavanja. Broj generiranih testova nije.
- Planirajte dokaze za regulatore. Banke pod DORA-om i svi koji razvijaju visokorizični AI prema AI Actu trebaju sljedive zapise o testiranju od prvog dana.
- Aplikacije izrađene AI-jem trebaju više testiranja, ne manje. Ako poslovni timovi izrađuju alate pomoću vibe codinga i AI alata za izradu aplikacija, dodajte automatske testove prije nego ti alati dotaknu podatke klijenata.
Zaključak
AI je pisanje testova učinio jeftinim. Nije olakšao odluku o tome što je "ispravno", a to je i dalje posao ljudi koji razumiju poslovanje. Tvrtke koje ostvaruju navedenih 19% i više kombiniraju AI generirane testove i istraživanje pomoću agenata s determinističkim pipelineovima, kriterijima prihvaćanja u vlasništvu ljudi i poštenim metrikama. Oni koji puste AI da sam sebi ocjenjuje zadaću završe među 29% s više grešaka.
Želite da AI ubrza testiranje bez pada kvalitete?
AI Workshop postavlja testiranje uz pomoć AI-ja s Claude Codeom, Playwrightom i vašim CI pipelineom, izrađuje evaluacijske pakete za vaše AI funkcije i priprema dokaze koje traže DORA i EU AI Act. Naši Claude Certified Architects drže kod i testne podatke u EU.
Razgovarajte s AI konzultantom