Automatiserte akseptansetester med AI – slik utforsket vi nye muligheter sammen med Heidenreich

Prosjektet ble gjennomført som et eksperimenterende samarbeid, der målet ikke var å erstatte etablerte prosesser – men å teste hvordan AI-drevne agenter kan avlaste teamet og gi bedre innsikt i hvordan løsningene fungerer over tid.

Som mange netthandelsaktører slipper Heidenreich regelmessige oppdateringer og nye funksjoner. Det er ofte tidspress på manuell testing, og kvalitetssikringen blir gjerne rettet mot det som er nytt i hver release, mens hele sluttbrukerreisen sjelden kan verifiseres i sin helhet.

Dette skaper to kjente utfordringer:

• Teamene bruker mye tid på gjentakende manuelle tester
• Uventede problemer oppdages først i produksjon

Heidenreich ønsket derfor å undersøke om ny teknologi kunne hjelpe dem å jobbe smartere – uten å gjøre store endringer i arbeidsprosessene.

Sammen satte vi opp et testmiljø der vi eksperimenterte med AI-baserte browser-agenter. Disse agentene kan gjennomføre handlinger på nettsider og følge definerte brukerreiser på samme måte som en QA-ressurs ville gjort manuelt.

En gjennomtenkt metodikk

For å få mest mulig effekt av AI-agentene etablerte vi en strukturert, men enkel måte å beskrive testscenarier på.

Et viktig prinsipp er å gi agenten et kortfattet mål, uten å skrive ned alle steg for hvordan det skal gjennomføres. Dette gir mer naturlige variasjoner i testløpene og bidrar til testrunder som ligner faktiske kundeopplevelser – uten at vi må dokumentere hver eneste mulige variant.

Samtidig kan agentene få systemprompter som validerer universell utforming, kontrollerer at priser holder seg korrekte gjennom hele kjøpsreisen og identifiserer synlige rabatter der det er relevant. På den måten kombinerer vi frie, realistiske brukerflyter med målrettede sjekkpunkter som sikrer kvalitet i både funksjon og detaljer.

Hyppig kjøring av testene ble en effektiv måte å avdekke hva som måtte justeres i beskrivelsene, og ga rom for raske iterasjoner uten tung dokumentasjonsbyrde.

Alt dette ga oss en metodikk som både teamene og AI-agentene kunne bygge videre på uten omfattende omstillinger. Løsningen er fleksibel og teknologiuavhengig, og kan videreutvikles etter hvert som behov og funksjonalitet utvikler seg.

Eksperimentet har gitt både oss og Heidenreich verdifull innsikt i hvordan AI-agenter kan støtte kvalitetssikring i et moderne netthandelsmiljø. Agentene klarte å gjennomføre komplette testløp som tidligere var krevende å prioritere, og avdekket problemer tidligere i prosessen.

Allerede nå ser vi at automatiseringen kan redusere tidsbruk i releaseprosessen med omtrent 6–8 timer per release.

Prosjektet har samtidig gitt en tydeligere struktur rundt testarbeidet, noe som styrker både samarbeid, dokumentasjon og forutsigbarhet i utviklingsløpet.

Basert på de gode erfaringene fortsetter vi arbeidet sammen med Heidenreich for å utforske hvordan AI-drevne testløp kan videreutvikles og integreres enda tettere i releaseprosessen.