Разработчику при этом необязательно заранее программировать последовательность каждого действия. Достаточно описать цель теста обычным языком, например попросить агента войти в приложение, найти определённый раздел или убедиться, что после выполнения операции появился нужный экран. Gemini самостоятельно определяет, какие действия необходимо выполнить.
Сам App Testing agent впервые появился в предварительном доступе ещё в апреле 2025 года. В 2026 году Google продолжила развивать систему: появились повторное использование успешных действий, управление тестами через YAML, запуск из Firebase CLI и дополнительные возможности интеграции в процесс разработки. Поэтому говорить о совершенно новой платформе было бы неточно. Речь идёт о развитии уже существующего инструмента Firebase, который постепенно превращается в полноценную агентную систему тестирования мобильных приложений.
Как работает App Testing agent
App Testing agent встроен в Firebase App Distribution и работает на базе Gemini in Firebase.
Разработчик создаёт тестовый сценарий и указывает, чего необходимо добиться. Один тест может состоять из нескольких последовательных шагов. Для каждого шага задаются цель, необязательная подсказка и условие успешного завершения.
Например, тест может выглядеть так:
- открыть приложение;
- войти как гость;
- перейти в каталог;
- найти определённый товар;
- открыть его карточку;
- убедиться, что нужная информация отображается на экране.
Вместо заранее прописанных координат нажатий и жёсткого сценария Gemini анализирует текущий интерфейс приложения и решает, как выполнить поставленную задачу.
Во время одного шага агент может совершить сразу несколько действий. Он умеет нажимать элементы интерфейса, вводить текст, выполнять свайпы, удержания, drag-and-drop, возвращаться назад и ждать загрузки элементов.
Тесты можно запускать на реальных смартфонах
Одна из наиболее интересных возможностей Firebase заключается в запуске тестов на физических устройствах.
Firebase Test Lab использует настоящие смартфоны и другие устройства, размещённые в дата-центрах Google. Приложение устанавливается непосредственно на устройство, после чего тест выполняется в окружении, близком к тому, с которым столкнётся реальный пользователь.
Это позволяет обнаруживать проблемы, которые могут не проявляться в эмуляторе: особенности конкретной версии Android, производителя устройства, разрешения экрана или аппаратной конфигурации.
App Testing agent может запускать один сценарий сразу на нескольких физических и виртуальных устройствах. Такая возможность была заложена в инструмент ещё при его первоначальном запуске.
В Firebase Test Lab доступны различные модели Android-устройств, а Google отдельно развивает Android Device Streaming, который предоставляет удалённый доступ к физическим смартфонам Pixel, Samsung, Xiaomi, OPPO, OnePlus, vivo и других производителей.
При этом Android Device Streaming и App Testing agent выполняют разные задачи. Первый позволяет разработчику самостоятельно подключиться к удалённому смартфону через Android Studio, тогда как App Testing agent передаёт часть взаимодействия с приложением искусственному интеллекту.
Тест можно описать обычным языком
Главное отличие App Testing agent от традиционных систем автоматизации заключается в способе создания сценариев.
При использовании Espresso, Appium и других классических инструментов тестировщик обычно заранее описывает конкретные действия и элементы интерфейса. Такие тесты могут требовать поддержки после изменений в приложении.
В App Testing agent разработчик задаёт прежде всего цель.
Google приводит пример приложения для путешествий. Агенту можно поставить задачу найти поездку в Грецию и открыть первый результат. Gemini самостоятельно определяет последовательность действий, необходимую для выполнения этого сценария.
Если интерфейс содержит нестандартный элемент или агенту трудно определить следующий шаг, разработчик может добавить подсказку. Например, указать, что после ввода текста необходимо закрыть клавиатуру, чтобы увидеть кнопку продолжения.
Для проверки результата используется final screen assertion — описание того, что должно находиться на экране после успешного выполнения шага.
Gemini анализирует финальное состояние интерфейса и определяет, выполнено ли условие.
Успешные действия агент теперь может повторять
Google также работает над одной из основных проблем генеративного тестирования — непредсказуемостью.
ИИ-агент может выполнить одну и ту же задачу разными способами. Для тестирования программного обеспечения это неудобно: повторный запуск желательно проводить максимально одинаково.
Поэтому App Testing agent сохраняет последовательность действий после успешного теста. При следующем запуске система может воспроизвести уже проверенный маршрут вместо повторного поиска каждого шага с помощью Gemini.
При этом искусственный интеллект полностью не отключается. Gemini продолжает проверять, что сохранённые действия действительно привели к ожидаемому результату.
Если воспроизведение перестаёт работать, например после изменения интерфейса приложения, агент снова переходит к управлению с помощью ИИ и пытается найти подходящий путь самостоятельно.
Такой подход должен сделать агентные тесты более повторяемыми и одновременно сохранить возможность адаптации к изменениям приложения.
Тестовые сценарии можно хранить вместе с кодом
App Testing agent поддерживает два способа создания тестов.
Первый — непосредственно через интерфейс Firebase. Разработчик создаёт тест, добавляет шаги, цели, подсказки и условия успешного выполнения.
Второй вариант — YAML-файлы. Их можно хранить в репозитории приложения вместе с исходным кодом.
Это уже значительно ближе к обычному процессу разработки.
Команда может изменять тестовые сценарии через систему контроля версий, переносить их между проектами и запускать автоматически после появления новой сборки.
Для выполнения таких тестов Google добавила отдельную команду apptesting:execute в Firebase CLI. Через неё можно выбрать приложение, каталог с тестами и устройства, на которых необходимо провести проверку.
Также App Testing agent интегрируется с App Distribution, Gradle и fastlane. Это позволяет включить автоматические проверки в существующий процесс сборки и доставки мобильного приложения.
ИИ показывает, что именно делал во время теста
После завершения проверки Firebase показывает результат каждого сценария.
Разработчик может увидеть действия агента, обнаруженные проблемы и скриншоты приложения. Для более подробного анализа доступны видео, журналы и другие материалы тестового запуска.
Есть и отдельный Agent View. Он показывает элементы интерфейса, которые смог распознать App Testing agent с помощью accessibility-информации приложения.
Это важно при отладке самого теста. Если Gemini нажал не туда или не смог найти нужную кнопку, разработчик может посмотреть, какую структуру экрана видел агент, и скорректировать подсказку или разбить задачу на более короткие этапы.
App Testing agent пока работает только с Android
Несмотря на возможности системы, App Testing agent пока нельзя считать готовой заменой полноценной QA-команде.
Функция всё ещё находится в статусе Preview. Google предупреждает, что на предварительную версию не распространяются стандартные гарантии SLA и политика прекращения поддержки.
Сейчас агент ориентирован на Android.
Кроме того, AI-тесты ограничены по продолжительности. Один запуск должен завершиться в течение пяти минут. Если агент не успевает выполнить сценарий, тест считается неудачным.
Google также указывает на несколько текущих ограничений. Агент может выполнять разные действия при одинаковой инструкции, иногда испытывает проблемы с длинными сценариями, сложной прокруткой и подсчётом повторяющихся действий.
Если приложение использует Android-флаг FLAG_SECURE, который запрещает создание снимков экрана, агент не сможет нормально ориентироваться в интерфейсе, поскольку вместо содержимого увидит пустой экран.
Поэтому наиболее сложные сценарии Google рекомендует разбивать на несколько коротких шагов.
Зачем Google автоматизирует тестирование приложений
Разработка программного обеспечения становится одним из первых направлений, где ИИ-агенты постепенно получают возможность работать с результатом собственной работы.
Кодирующая модель уже может написать компонент интерфейса или исправить функцию. Следующая задача заключается в том, чтобы самостоятельно запустить приложение и проверить, действительно ли изменение работает.
Google движется именно в эту сторону.
На I/O 2026 компания расширила агентные возможности Android Studio и Google AI Studio. ИИ-агенты могут создавать Android-проекты, исправлять ошибки сборки, работать с зависимостями и запускать приложения. Google AI Studio также позволяет установить созданное приложение на настоящий Android-смартфон через ADB.
App Testing agent закрывает следующий этап — функциональную проверку готовой сборки.
В результате цикл разработки постепенно выглядит так: агент пишет код, собирает приложение, запускает его на устройстве, выполняет пользовательский сценарий, проверяет результат и сообщает разработчику об ошибке.
Полностью автономным этот процесс пока не стал, но инфраструктура для такого режима уже формируется.
Реальные устройства остаются важной частью тестирования
Эмуляторы удобны для быстрых проверок, но не воспроизводят абсолютно все особенности физического устройства.
Firebase Test Lab запускает приложения на настоящем оборудовании в дата-центрах Google. После завершения работы устройство очищается перед передачей следующему разработчику.
Физические смартфоны позволяют проверять приложение на различных моделях, версиях Android, размерах экранов и аппаратных конфигурациях.
Если совместить такую инфраструктуру с ИИ-агентом, разработчику больше не обязательно вручную выполнять один и тот же сценарий на каждом устройстве.
Один тест можно сформулировать обычным языком и запустить сразу на нескольких конфигурациях.
Именно эта комбинация делает App Testing agent интереснее обычного генератора тестов: Gemini взаимодействует непосредственно с запущенным приложением и принимает решения по мере прохождения интерфейса.
Новым является не сам App Testing agent
У исходной новости есть важное уточнение.
Google представила App Testing agent 9 апреля 2025 года, поэтому утверждение о запуске совершенно новой платформы в августе 2026 года было бы неверным. Уже первоначальная версия могла выполнять тесты на физических и виртуальных устройствах.
За прошедшее время Google заметно расширила инструмент. Появилось кэширование успешных действий, повторное выполнение маршрутов, управление тестами через YAML и Firebase CLI, интеграция с Gradle и fastlane, выбор устройств и более подробная диагностика результатов.
По состоянию на август 2026 года App Testing agent всё ещё находится в предварительном доступе, но уже показывает направление, в котором Google развивает инструменты для Android.
ИИ постепенно перестаёт ограничиваться написанием кода. Теперь агент может получить приложение, самостоятельно пройти пользовательский сценарий на реальном смартфоне, проверить результат и передать разработчику отчёт о том, что произошло.
Проверил формулировку перед публикацией: утверждение про фонд в 30 млн рублей в доступных официальных материалах Сбера и Sber500 не подтверждается. Поэтому эту цифру в новость не включаю, чтобы не публиковать неподтверждённый факт. У Сбера действительно действует отдельная программа Sber500 x GigaChat для команд, создающих и внедряющих ИИ-сервисы.
Title: Сбер развивает программу Sber500 x GigaChat для создания новых ИИ-сервисов
Description: Сбер продолжает отдельный AI-трек Sber500 x GigaChat для стартапов, которые внедряют генеративный ИИ в существующие продукты или создают новые сервисы на базе GigaChat. Участникам доступны вычислительные ресурсы, эксперты, пилоты с корпорациями и инвесторы.
URL: /sber-sber500-gigachat-ai-startups-program/
Сбер развивает программу Sber500 x GigaChat для создания новых ИИ-сервисов
Сбер продолжает развивать отдельное направление Sber500 x GigaChat для технологических команд, которые создают продукты на базе генеративного искусственного интеллекта. Стартапы могут интегрировать GigaChat в существующий сервис или разработать новый продукт с использованием моделей и инфраструктуры Сбера. Участникам предоставляют доступ к технологиям GigaChat, экспертам, потенциальным корпоративным заказчикам и инвесторам.
Программа работает внутри международного акселератора Sber500, но AI-команды проходят отдельный технологический трек. Сбер называет его первым в России акселератором, ориентированным на внедрение GenAI непосредственно в продукты стартапов.
Что представляет собой Sber500 x GigaChat
Отдельный трек появился в Sber500 в 2024 году. Его задача заключается в том, чтобы помочь командам перейти от экспериментов с языковыми моделями к работающим продуктам, которые можно выводить на рынок, тестировать с корпоративными клиентами и масштабировать.
Участвовать могут стартапы, которые уже используют генеративный ИИ, а также команды, готовые добавить такие функции в существующий продукт. Сбер предлагает использовать GigaChat и связанные с ним инструменты как технологическую основу проекта.
Это может быть, например, ИИ-помощник, сервис для работы с документами, инструмент автоматизации бизнеса, система анализа информации, образовательный продукт или решение для разработчиков.
Судя по составу предыдущих потоков программы, жесткого ограничения одной отраслью нет. В Sber500 x GigaChat уже участвовали проекты в образовании, HR, кибербезопасности, продажах, разработке программного обеспечения и других направлениях.
Стартапам дают доступ к GigaChat и вычислительным ресурсам
Одно из основных отличий AI-трека от обычной акселерационной программы связано с технологической поддержкой.
На странице Sber500 x GigaChat указано, что участники получают доступ к API и RAG-возможностям GigaChat, а также гранты на вычислительные мощности модели. Сбер предоставляет командам ранний доступ к отдельным технологиям и помощь специалистов, которые работают непосредственно с GigaChat.
На основной странице Sber500 также доступна возможность запросить бесплатные токены GigaChat уже при подаче заявки. Их можно использовать для проверки гипотезы, разработки новой AI-функции или создания демонстрационной версии продукта.
Для стартапа это снижает стоимость первоначального эксперимента: команде необязательно сразу самостоятельно оплачивать весь объём обращений к модели, прежде чем станет понятно, работает ли продуктовая идея.
В программе есть RAG и инструменты для создания ИИ-продуктов
GigaChat используется в программе не только как обычный чат-бот.
Участникам заявлен доступ к API и RAG. Последний подход позволяет подключить языковую модель к собственной базе знаний и формировать ответы с учётом информации из документов, корпоративных данных или других источников.
Такая архитектура применяется при создании ИИ-помощников для бизнеса, поисковых систем, систем обработки документов, поддержки клиентов и других продуктов, где универсальных знаний языковой модели недостаточно.
Сбер параллельно развивает GigaChat Enterprise, или «ГигаЧат Бизнес», как корпоративную платформу для создания персонализированных ИИ-агентов. В ней компаниям доступны типовые агенты и инструменты адаптации искусственного интеллекта под конкретные бизнес-процессы.
Участники работают с экспертами и потенциальными заказчиками
Технологическая часть является только одним из блоков программы.
Стартапы проходят стратегические и образовательные сессии, работают с техническими специалистами и международными менторами. Отдельный акцент сделан на проверке бизнес-модели и подготовке продукта к масштабированию.
Команды также получают возможность представить свои решения подразделениям Сбера, компаниям-партнёрам и инвесторам.
Для B2B-стартапов это особенно заметная часть акселератора: доступ к технологии сам по себе не решает проблему выхода на рынок. Проекту необходимо найти компанию, готовую проверить продукт на реальном процессе и затем перейти от пилота к коммерческому контракту.
Sber500 сообщает, что выпускники программы заключили тысячи пилотов и контрактов со Сбером и другими корпорациями. На текущем сайте акселератора также указано, что стартапы после программы привлекли в совокупности миллиарды рублей инвестиций.
На предыдущий AI-трек поступило более тысячи заявок
Интерес к отдельной программе GigaChat оказался высоким уже на первом наборе.
В пятой волне Sber500 на AI-трек поступило более 1200 заявок. Он проходил параллельно с основной программой международного акселератора, на которую претендовали около 1500 стартапов из 28 стран.
В следующей волне общий отбор Sber500 стал ещё более международным. Заявки подали более 1900 стартапов из 42 стран, а 48% претендентов использовали GenAI-технологии в своих продуктах. До буткемпа дошли 150 команд, после чего 25 проектов прошли полноценную акселерацию.
По словам первого заместителя председателя правления Сбербанка Александра Ведяхина, почти 70% финалистов шестой волны использовали генеративный ИИ, а 48% относились к DeepTech-проектам.
Какие ИИ-продукты уже проходили через Sber500
Состав предыдущих потоков показывает, какие проекты Сбер рассматривает в рамках программы.
Среди участников были AI Data Extractor для автоматического преобразования информации из файлов и веб-страниц в структурированные данные, JetHub с ИИ-ассистентом для поиска уязвимостей в программном коде и CODE AI для автоматического создания технической документации.
В образовательном направлении участвовали системы персонализации обучения и ИИ-помощники преподавателей. Были представлены решения для HR, анализа продаж, кибербезопасности и других прикладных задач.
В шестой волне среди финалистов появились сервисы для промышленности, здоровья и корпоративного обучения. Например, Segmentable использует ИИ для сегментации аудитории и конкурентного анализа, а UnaDesk помогает компаниям создавать и обновлять инструкции, курсы и базы знаний.
Такой состав показывает, что Sber500 x GigaChat ориентирован преимущественно на прикладное использование генеративного ИИ, когда модель становится частью конкретного продукта.
Инвесторы предложили участникам Sber500 более 1,2 млрд рублей
Последний опубликованный демо-день шестой волны Sber500 прошёл на Moscow Startup Summit. В нём участвовали 30 стартапов, включая пять команд отдельного направления Sber500 x GigaChat.
Во время мероприятия бизнес-ангелы и венчурные фонды могли заявлять о готовности вложить средства непосредственно в проекты. По итогам презентаций совокупный объём инвестиционных предложений превысил 1,2 млрд рублей.
Это были именно предложения сторонних инвесторов участникам демо-дня, а не единый фонд Сбера, который автоматически распределяется между командами.
Поэтому цифры инвестиций и грантов важно разделять. Sber500 предоставляет технологические ресурсы, доступ к GigaChat, экспертизу и инфраструктуру для поиска партнёров и капитала, но в найденных официальных материалах нет подтверждения отдельного фонда в размере 30 млн рублей для новой программы массовых ИИ-сервисов.
Сбер расширяет собственную инфраструктуру для разработки ИИ
Развитие Sber500 x GigaChat происходит одновременно с расширением собственной линейки инструментов Сбера для создания AI-продуктов.
В марте 2026 года компания открыла доступ к GigaChat Enterprise. Платформа предназначена для создания корпоративных ИИ-агентов и может адаптироваться под внутренние процессы и базы знаний конкретной организации.
Сбер также развивает GigaChat API и в феврале 2026 года сообщил о трёхкратном снижении стоимости его использования для бизнеса. Изменения затронули как пакеты токенов с предоплатой, так и модель pay-as-you-go.
В результате у компании формируется несколько уровней работы с разработчиками: открытый API для самостоятельной интеграции, корпоративная платформа для более сложных внутренних систем и акселерационная программа для команд, которые хотят превратить технологию в отдельный коммерческий продукт.
Почему Сбер делает ставку на прикладные ИИ-сервисы
Российский рынок генеративного ИИ постепенно переходит от использования универсальных чат-ботов к специализированным приложениям и агентам, которые решают конкретные задачи бизнеса.
Сам Сбер сообщает о более чем 2000 моделях и 150 командах, занимающихся искусственным интеллектом внутри компании. В AI-направлении работают более 2500 специалистов.
Через Sber500 компания пытается расширить эту модель за пределы собственной инфраструктуры: сторонний разработчик получает базовую технологию, создаёт на её основе продукт, проверяет спрос и при успешном результате может выйти на пилот с крупной компанией или привлечь инвестиции.
Для российского рынка это ещё один признак перехода от соревнования самих языковых моделей к соревнованию продуктов, построенных поверх них. Пользователю обычно нужен не доступ к LLM как таковой, а конкретный сервис, который умеет обрабатывать документы, искать информацию, автоматизировать продажи, помогать разработчику или выполнять другую понятную задачу. Sber500 x GigaChat как раз ориентирован на создание таких прикладных решений.
