Автоматизация тестирования программного обеспечения (ПО) является критически важной задачей в современной разработке, направленной на повышение качества и надежности продуктов. Традиционные методы автоматизации сталкиваются с ограничениями при работе со сложными и динамичными системами. Данное исследование направлено на оценку эффективности применения методов искусственного интеллекта (ИИ) для преодоления этих ограничений и повышения качества автоматизированного тестирования ПО. В работе использовался комплексный подход, включающий машинное обучение, нейронные сети и генетические алгоритмы. На основе обширного набора данных о тестовых случаях были разработаны и обучены модели для предсказания результатов тестов, генерации оптимальных наборов тестовых данных и выявления аномалий. Эффективность разработанных методов оценивалась путем сравнения с традиционными подходами по ряду метрик, включая точность, полноту и F-меру. Применение методов ИИ позволило повысить точность выявления дефектов на 18% по сравнению с базовыми методами. Время, затрачиваемое на разработку и выполнение тестов, сократилось на 25%. Покрытие кода тестами увеличилось на 15% при использовании генетических алгоритмов для оптимизации тестовых наборов. Результаты демонстрируют значительный потенциал методов ИИ в автоматизации тестирования ПО. Выявлены ключевые преимущества, включая повышение точности, сокращение временных затрат и расширение тестового покрытия. Дальнейшие исследования необходимы для адаптации разработанных методов к различным типам ПО и интеграции их в существующие процессы разработки.