AI vs manuální tester: kde je hranice?
Na každém QA meetupu v roce 2026 dostáváme od QA manažerů tutéž otázku: „Vezmou nám AI nástroje práci?" Odpověď, která není útěcha, ale pravda: některé části práce ano, jiné nikdy. Tenhle článek kreslí hranici přesně.
V čem je AI objektivně silnější
V těchhle úlohách AI snadno předčí juniorního testera a v mnoha i seniora — rychlostí, ne kvalitou:
- Regresní testování — opakované kontroly po každém buildu. AI je spouští bez únavy a bez chyb z nepozornosti.
- Generování testovacích případů z dokumentace — user stories, requirements, API spec. AI vysype 20 test caseů za pár minut.
- Triage selhání — AI klasifikátor rozezná flake od reálného bugu za sekundu. Ručně to trvá 5–15 minut na případ.
- Porovnávání vizuálních snapshotů — vizuální regrese s AI-powered diffy (Percy, Chromatic) je přesnější než tester okem.
- Refaktoring kódu testů — migrace z Cypressu 12 na 14, přepis ze Selenia na Playwright, update selektorů po redesignu frontendu.
Kde AI selhává (a ještě dlouho bude)
Tyhle úlohy patří lidem a v roce 2026 to tak zůstane:
- Exploratory testing. AI není zvědavá. Nezkusí „co se stane, když zadám string o 10 000 znacích?" bez výslovné instrukce. Exploratory je lidský proces postavený na intuici a hře.
- Usability a UX posuzování. „Tenhle flow je technicky správný, ale frustrující" je subjektivní úsudek. AI se ho nenaučí bez obrovského množství olabelovaných dat, která pro vaši aplikaci neexistují.
- Accessibility review. AI umí spustit axe-core. Ale říct „tohle není použitelné pro dyslektika" nebo „kontrast vypadá OK, ale v kontextu téhle stránky zaniká" — to je práce pro člověka.
- Komunikace s byznysem. Přeložit „pokrytí testy 73 %" do řeči, které rozumí CEO? Práce pro člověka.
- Etická posouzení. „Máme tenhle dark pattern testovat jako feature, nebo ho rovnou označit za bug?" — na to AI nemá autoritu.
- Doménová expertiza v regulovaných odvětvích. Pojišťovnictví, zdravotnictví, finance. AI halucinuje u specifických pravidel, která nejsou výslovně popsaná v test caseech.
Jak se dnes dělí práce v moderních QA týmech
Naše šablona pro týmy o 4–6 lidech v roce 2026:
| Aktivita | AI | Člověk |
|---|---|---|
| Regrese | 95 % | 5 % |
| Psaní testů ze story | 70 % | 30 % |
| Flaky detection | 90 % | 10 % |
| Exploratory | 0 % | 100 % |
| UX review | 10 % | 90 % |
| Accessibility | 30 % | 70 % |
| Komunikace se stakeholdery | 0 % | 100 % |
Jak měřit ROI
Neinvestujte do AI proto, že je to trendy. Investujte proto, že máte měřitelný problém:
- Pokud váš tým píše 5 testů měsíčně → AI vám nepomůže, máte jiný problém (rozpočet, priority).
- Pokud váš tým píše 40+ testů měsíčně a má deadline → AI snižuje čas o 50–70 %.
- Pokud máte flaky rate nad 15 % → AI klasifikátor a refaktoring přinesou rychlé ROI.
- Pokud máte pokrytí pod 50 % na kritických flow → AI pomůže rozšířit, ne zlepšit kvalitu stávajícího.
Závěr
AI nenahradí váš QA tým. Ale tým, který AI nepoužívá, nahradí konkurence, která ji používá. Hranice je jasná: mechanickou opakovanou práci delegovat na AI, úsudek a kreativitu držet v lidských rukou.
Když počítáte ROI AI-asistovaného testování, váží i cena setupu. Konkrétní čísla za Cypress framework a CI/CD najdete v Kolik stojí automatizace testů v 2026.
Chcete stejný přístup u vás? Napište nám — domluvíme 30minutový discovery call.