Автономное регрессионное тестирование для банков
Автономное регрессионное тестирование для банков. Банки работают под надзором Центрального банка Азербайджана и в режиме банковской тайны, поэтому данные клиентов не могут уходить в зарубежные облака.
Автономное регрессионное тестирование для банков — внутри вашего периметра
Банки под надзором Центрального банка Азербайджана обязаны соблюдать требования банковской тайны и локализации данных: клиентские данные, скриншоты и артефакты тестирования не могут покидать внутреннюю инфраструктуру. Argus — самостоятельно размещаемая платформа AI-тестирования, которая разворачивается в десяти контейнерах и общем томе артефактов исключительно внутри периметра банка. Платформа не имеет зависимостей от внешних SaaS-сервисов: модели, учётные данные, тарификация и настройки развёртывания конфигурируются один раз для всех трёх движков — регрессионного тестирования, AI-анализа и пентеста — и остаются под полным контролем банка. Это обеспечивает соответствие регуляторным требованиям без компромиссов в части функциональности.
Что это даёт банку
Полное соответствие требованиям локализации данных и банковской тайны: платформа работает исключительно на инфраструктуре банка, никакие клиентские данные, скриншоты или артефакты тестирования не покидают внутренний периметр, внешние SaaS-зависимости отсутствуют.
Готовая доказательная база для аудита и регулятора: каждый шаг каждого прогона сохраняется — пройденные и непройденные — вместе с меткой сборки тестируемой среды, рассуждением агента и скриншотом, что обеспечивает полную воспроизводимость результатов.
Автоматическое выявление дефектов в критичных процессах: многоролевые сценарии — взыскание, одобрение кредитов, согласование договоров — выполняются автономно; при обнаружении подозреваемого бага формируется готовый отчёт, который сотрудник QA проверяет и подаёт в Qase или Jira.
Контроль стоимости AI-вычислений: каждый вызов модели тарифицируется, затраты агрегируются от шага до релиза; двухуровневое исполнение — сначала экономичная модель, эскалация на более мощную только при сбое агента — позволяет удерживать стоимость полного прогона набора из 25 сценариев в диапазоне $0,4–2,3.
Параллельное тестирование без конфликтов данных: именование тестовых данных в рамках прогона позволяет нескольким агентам работать в общей среде одновременно, не мешая друг другу и не искажая результаты.
Прозрачность и контроль на каждом этапе: сбои классифицируются по типу — дефект продукта, сбой агента, сбой среды, нарушение утверждения, цикл, превышение лимита шагов или таймаут; утверждения проверяет независимый верификатор, а не тот же агент, который выполнял работу; ИИ никогда не фиксирует дефект на собственном основании.
Ключевые возможности платформы
Self-hosted развёртывание без внешних зависимостей
Десять контейнеров и общий том артефактов разворачиваются внутри банковской инфраструктуры. Модели, учётные данные, тарификация и настройки развёртывания конфигурируются один раз для всех трёх движков платформы. Никакие данные не уходят за периметр. Одно развёртывание обслуживает несколько сред: каждая среда несёт собственный базовый URL, шаги входа и учётные записи по ролям.
Многоролевые сценарии для банковских процессов
Создатель, согласующий и поставщик — каждая роль запускается в отдельной, независимо аутентифицированной браузерной сессии. Вход выполняется детерминированным скриптом, а учётные данные хранятся в зашифрованном хранилище секретов — агент никогда не видит пароли. Прогон привязывает роли к конкретным учётным записям, а каждый прогон фиксирует, кто его запустил.
Полная доказательная база для регулятора
Каждый шаг прогона сохраняется вне зависимости от результата вместе со скриншотом, рассуждением агента и меткой сборки тестируемой среды. Реестр ошибок хранит все непройденные результаты; человек проверяет отчёт и подаёт его как дефект в Qase или Jira — ИИ не действует самостоятельно. Прогоны можно сравнивать с предыдущими и отслеживать в живой консоли.
Классификация сбоев и независимая верификация
Сбои классифицируются по семи типам: дефект продукта, сбой агента, сбой среды, нарушение утверждения, цикл, превышение лимита шагов или таймаут. Утверждения проверяются независимым верификатором, а не тем же агентом, который выполнял работу. Маршрутная память сохраняет путь успешного прогона в виде намерений шагов — без координат — и предлагает его последующим прогонам как рекомендацию.
Интеграция с Qase и Jira без потери контекста
Тест-кейсы импортируются дословно — модель не переписывает их. Тест-план или тест-ран Qase становится набором Argus, результат каждого сценария публикуется обратно в Qase по мере завершения со ссылкой на доказательную базу Argus. API-тесты, помеченные в Qase соответствующим тегом, пропускаются при импорте автоматически, поскольку браузерный агент не работает с запросами и кодами ответа.
Гибкое управление моделями без переразвёртывания
Выбор модели хранится в базе данных и читается при каждом прогоне: смена модели вступает в силу на следующей единице работы без перезапуска системы. Каталоги моделей читаются в реальном времени с эндпоинта /models каждого провайдера, поддержка vision и координатная привязка проверяются зондированием, а не предположением. Двухуровневое исполнение — сначала экономичная модель, эскалация на более мощную только при сбое агента — позволяет контролировать затраты.
Как это работает
Часто задаваемые вопросы
Как платформа обеспечивает соответствие требованиям банковской тайны и локализации данных?
Argus разворачивается исключительно на инфраструктуре банка в виде десяти контейнеров и не имеет зависимостей от внешних SaaS-сервисов. Никакие клиентские данные, скриншоты или артефакты тестирования не покидают внутренний периметр. Учётные данные хранятся в зашифрованном хранилище секретов и никогда не передаются агенту — вход в каждую сессию выполняется детерминированным скриптом.
Может ли ИИ самостоятельно зафиксировать дефект или подать отчёт?
Нет. При обнаружении подозреваемого дефекта платформа формирует готовый к подаче отчёт и помещает его в реестр ошибок, однако решение о фиксации и подаче в Qase или Jira принимает исключительно человек. Агент не действует самостоятельно в части утверждения дефектов или подачи документов — это принципиальное архитектурное ограничение, а не настройка.
Как платформа справляется с многоролевыми банковскими процессами — например, согласованием кредита или операциями взыскания?
Каждая роль — создатель, согласующий, поставщик или любая другая, описанная в сценарии — запускается в отдельной, независимо аутентифицированной браузерной сессии. Прогон привязывает роли к конкретным учётным записям; вход выполняется детерминированным скриптом. Агент выполняет шаги в рамках своей роли и не имеет доступа к сессиям других ролей. Именование тестовых данных в рамках прогона позволяет нескольким многоролевым сценариям работать параллельно в общей среде без конфликтов.
Как контролируются затраты на AI-модели и можно ли сменить модель без остановки системы?
Каждый вызов модели тарифицируется, затраты агрегируются от вызова до шага, сценария, набора и релиза — это позволяет видеть стоимость на любом уровне детализации. Двухуровневое исполнение — сначала