QA-инженер (Инженер по обеспечению качества)

Москва, Таганско-Краснопресненская линия, метро Таганская

Метро: Курская

Показать контакты

Описание вакансии

Обязанности

Участвовать в анализе требований, проектировании и оценке рисков, формировать стратегию и план тестирования.
Разрабатывать тест-кейсы, чек-листы, тестовые данные и поддерживать тестовую документацию в актуальном состоянии.
Выполнять ручное и автоматизированное тестирование UI, API и интеграций, включая регрессионные и риск-ориентированные проверки.
Развивать и поддерживать автотесты и тестовые фреймворки, встраивать их в CI/CD и следить за стабильностью прогонов.
Проводить базовые security-проверки в согласованном scope: запускать сканеры, интерпретировать результаты, оформлять security-дефекты и эскалировать сложные случаи профильным специалистам.
Использовать AI-инструменты для генерации тест-кейсов, тестовых данных и анализа требований/логов, критически валидируя результаты.
Анализировать дефекты до первопричины, оформлять баг-репорты с достаточным контекстом, сопровождать исправления и выполнять повторные проверки.
Участвовать в разборе инцидентов, мониторинге качества в продакшене и подготовке метрик/отчётности по качеству.
Взаимодействовать с разработкой, продуктом, аналитикой и безопасностью; продвигать практики качества на ранних этапах.
Давать прозрачный статус качества, озвучивать риски и предлагать улучшения процессов тестирования.

Требования

Понимание SDLC/STLC и роли качества на каждом этапе.
Риск-ориентированный подход: приоритизация проверок по вероятности, влиянию дефектов и бизнес-ценности.
Владение техниками тест-дизайна: классы эквивалентности, граничные значения, попарное тестирование, негативные сценарии.
Опыт тестирования API: REST/SOAP, Postman, понимание контрактного тестирования.
Владение одним языком программирования: Python, JavaScript/TypeScript, Rust или Go.
Опыт автоматизации: UI — Playwright, Cypress или Selenium; API — автотесты. Понимание паттернов (Page Object, Screenplay) и принципов поддерживаемых фреймворков.
Инструменты разработки и CI/CD: Git, Jenkins или GitLab CI, Docker; базовый SQL и умение читать логи.
Понимание архитектуры: клиент-сервер, микросервисы, работа с тестовыми окружениями.
Практическое использование AI-инструментов: генерация тест-кейсов, данных, анализ требований и логов с помощью LLM; критическая оценка результатов и понимание ограничений моделей.
Анализ первопричин дефектов: баг-репорты с достаточным контекстом для разработки, а не только фиксация симптома.
Коммуникация и продуктовое мышление: умение переводить технические риски на язык бизнеса и тестировать с фокусом на ценность продукта.
Ответственность за качество: готовность отвечать за покрытие и итоговое качество, а не только за выполненные тест-кейсы.