Hopp til hovedinnhold

Introduksjon til den skjulte fordelen med Cursor.ai for testautomatisering

Jeg er QA-tester med over 5 års erfaring i IT-bransjen. I løpet av denne tiden har jeg jobbet på et bredt spekter av prosjekter – fra små, smidige team til store systemer for kunder i ulike bransjer. Det har gitt meg et bredt perspektiv på programvareutviklingsprosesser og ulike tilnærminger til kvalitetssikring. Den siste tiden har jeg fokusert mer på testautomatisering, som ikke bare øker effektiviteten, men også utdyper forståelsen min av de tekniske aspektene ved systemene jeg jobber med. Jo mer jeg utforsker automasjon, desto mer blir jeg overbevist om at det ikke bare handler om å skrive kode. Den virkelige utfordringen er å holde prosjektet konsistent, lesbart og skalerbart. Derfor baserer jeg meg ofte på Page Object Pattern (POP), som organiserer repoet i pages, components og tests.

Frem til nylig hjalp tradisjonelle AI-editorer som Gemini i VS Code meg bare innenfor én enkelt fil. Det betydde at jeg manuelt måtte kopiere kodebiter, skrive imports, justere navn og passe på at alt forble stilistisk konsistent. Ærlig talt var det tidkrevende og utsatt for feil.

Cursor.ai tar en helt annen tilnærming. Den jobber i konteksten av hele repoet, forstår avhengigheter mellom filer og lar meg utvikle prosjekter raskere, mer konsistent og uten kjedelig, repetitivt arbeid. Cursor.ai hjelper utviklere ved å tilby AI-funksjoner som bistår både utviklere og ikke-utviklere med å skrive kode, starte prototyper og automatisere testprosesser. AI-funksjonene gjør det enklere å skrive kode og automatisere oppgaver, akselererer utviklingsflyten og støtter brukere gjennom hele programvareutviklingsprosessen.

Derfor gjør Cursor.ai en forskjell

1. Full kontekst for repoet

Den største fordelen med Cursor.ai for meg er at den kjenner hele prosjektet, ikke bare én fil. Den forstår mappestruktur, klasser, metoder og kodekonvensjoner – i mitt tilfelle typisk for POP.

Full repository-kontekst i Cursor.ai.

For eksempel ville jeg utvide LoginPage med støtte for tofaktorautentisering (2FA). I en standard AI-editor måtte jeg manuelt peke til filene, skrive imports og sørge for at den nye metoden så konsistent ut med resten. I Cursor trengte jeg bare å begynne å skrive metoden – den fylte inn resten for meg, i samme stil som de eksisterende lokatorene.

Eksempel i Playwright/TypeScript:

Eksempel i Playwright/TypeScript

Når jeg begynner å skrive en metode, bruker kodeeditoren i Cursor.ai naturlige språkprompter og vanlig språk, slik at brukere kan beskrive ønsket funksjonalitet og få presise forslag tilpasset repo-konteksten. Den forutsier hele metoden ut fra repoet og oppdager også at otp-feltet bør være med akkurat her. Å korrigere dette slik at det matcher full repo-kontekst tar bare tre klikk – ved å klikke på klassen og konstruktøren legger Cursor automatisk til lokatorlinjen i tråd med POP-konvensjonen og justerer koden i metoden deretter. Hele prosessen er rask, smidig og svært effektiv.

Scenario: teste brukerinnlogging med 2FA.

Cursor.ai        Cursor.ai-logo

Cursor.ai loginWith2FA

Cursor.ai oppdaget umiddelbart at jeg hadde LoginPage og DashboardPage. Den foreslo metoden loginWith2FA, tok seg av imports, og hele testen passet perfekt inn i POP-strukturen min. Cursor.ai støttes av en rekke AI-modeller, inkludert tredjepartsmodeller, noe som øker fleksibiliteten og tilpasningsevnen til ulike prosjektbehov.

Gemini    Gemini-logo

Gemini genererer test

Gemini genererte på sin side en fungerende test, men… uten noen referanse til repoets struktur. Alt var rå selektorer, ingen klasser eller metoder. Det ville bety manuelt etterarbeid og refaktorering.

Mange utviklere, spesielt de som er vant til robuste kodeeditorer som støtter flere programmeringsspråk og integreres med andre verktøy, kan oppleve Gemini som mindre komplett eller kraftig i sammenligning.

Forskjellen i både tid og kvalitet var enorm.

FunksjonCursorGemini
Repo-kontekst✅ full❌ ingen
POP-forslag✅ automatisk⚠ manuelt
Hastighet på testskriving✅ sekunder⚠ minutter
Refaktorering✅ Magic Tab + Fast Edits❌ ingen

2. Magic Tab + Fast Edits i praksis

Den største revolusjonen jeg merket, var under refaktorering på tvers av flere filer. Da jeg for eksempel måtte legge til en logout()-metode flere steder, gjorde jeg det tidligere manuelt.

Cursor gjorde det for meg: Magic Tab foreslo hvor den nye metoden burde ligge, og Fast Edits anvendte endringene på tvers av flere filer med ett klikk. Disse funksjonene automatiserer repetitive endringer, øker utviklerproduktiviteten betydelig og reduserer risikoen for utilsiktet å påvirke andre funksjoner under refaktorering. Tidsbesparelser? Enorme.

Magic Tab og Fast Edits i praksis – POP-refaktorering på tvers av flere filer

I POP-prosjekter må du ofte endre flere filer samtidig, f.eks. når du legger til en delt funksjon på tvers av pages.

I tradisjonelle AI-editorer er dette manuelt arbeid i hver fil. Cursor, med Magic Tab og Fast Edits, håndterer det automatisk:

  • Magic Tab foreslår hvor den nye metoden bør brukes.
  • Fast Edits anvender endringer i flere filer med ett klikk.

Integrasjon med eksisterende utvidelser strømlinjeformer refaktoreringen ytterligere og forbedrer kompatibiliteten med ulike utviklingsmiljøer, noe som gjør det enklere for utviklere å jobbe effektivt på tvers av forskjellige språk og rammeverk.

Eksempel: Legge til en logout()-metode

Eksempel: Legge til en logout()-metode

Cursor foreslår automatisk:

  • I dashboard.page.ts → await this.logout();
  • I login.spec.ts → refaktorer setup/teardown til å bruke logout()
  • I components → konsistente kall

Når du klikker på linjen, fremhever Cursor.ai den, og etter å ha trykket Tab, anvendes den foreslåtte endringen.

Foreslått endring i Cursor.ai

I tillegg, hvis vi vil anvende endringen på tvers av flere filer, kan vi skrive en kommando for det. Cursor.ai vil da skanne hele repoet, gjøre nødvendige endringer der det trengs og ganske enkelt be oss om bekreftelse. Cursor.ai kan også hjelpe med å generere commit-meldinger for disse kodeendringene, noe som strømlinjeformer versjonskontrollen ved å gi raske, beskrivende oppsummeringer av endringer.

FunksjonCursorGemini
Repo-analyse✅ full kontekst❌ én fil
Magic Tab✅ foreslår endringer❌ ingen
Fast Edits✅ oppdateringer på tvers av flere filer❌ manuelt
Hastighet✅ øyeblikkelig⚠ langsommere

3. Kjøre og diagnostisere tester i Cursor.ai

Utover å generere kode støtter Cursor også kjøring av tester og diagnostisering av problemer.

Tradisjonelt måtte QA:

  • bytte til terminalen,
  • kjøre npx playwright test manuelt,
  • lese feillogger,
  • gå tilbake til editoren, finne årsaken og rette koden.

Med Cursor.ai er prosessen integrert og strømlinjeformer testing ved å gi AI-støtte for rask feilretting.

  • Kjør tester direkte i editoren – du kan kjøre hele suiten eller bare ett scenario. Merk at store kodebaser noen ganger kan gi ytelsesutfordringer under testruns, men Cursor.ai bidrar til å dempe disse treghetene.
  • Analyser testresultater – feil vises i kontekst (f.eks. hvilken lokator som ikke ble funnet). Cursor.ai hjelper også med å identifisere falske positiver i automatiserte testresultater, noe som reduserer debugging-tiden og øker nøyaktigheten.
  • Foreslåtte rettinger – Cursor viser ikke bare stack trace, men foreslår mulige løsninger, f.eks. “Element #otp ikke funnet, mente du this.otpField?”

Privacy mode styrer deling av data med eksterne servere og tjenester, og beskytter proprietære prosjekter og sensitiv informasjon. Å aktivere Privacy mode innebærer imidlertid avveiinger, som å begrense tilgangen til noen kraftige funksjoner som er avhengige av eksterne AI-modeller. Når du bruker avanserte AI-funksjoner eller tredjepartsintegrasjoner, vurder også kostnadsmessige konsekvenser, ettersom eksterne tjenester kan gi ekstra driftsutgifter.

Eksempel

Test feilet: login.spec.ts → user can log in with 2FA

LocatorNotFoundError: Unable to find element #otp

Cursor diagnostiserer automatisk:

Forslag:

Bør du bruke this.otpField i stedet for #otp?

Oppdatere loginWith2FA i login.page.ts?

Du kan godta endringen og kjøre testen på nytt med ett klikk.

I praksis lukkes QA-loopen på ett sted:

  1. Skriv testen (Cursor genererer kode i tråd med repoet).
  2. Kjør den umiddelbart i editoren.
  3. Hvis noe feiler – Cursor diagnostiserer med en gang og foreslår rettinger.

Dette tilbakeløpet hjelper ikke bare team med å innføre prosessforbedringer, men bygger også kunnskap for fremtidige testscenarier, slik at AI-assisterte arbeidsflyter blir mer effektive og presise.

Beste praksis for testing

Testing er kjernen i vellykket programvareutvikling og fungerer som sikkerhetsnettet som sørger for at hver release møter selskapets kvalitetskrav og brukernes forventninger. I dagens tempo i utviklingssykluser blir det fort overveldende og ineffektivt å bare stole på manuell testing. Der kommer automatisert testing og testautomatisering inn, som lar team strømlinjeforme repetitive oppgaver, fange feil tidlig og fokusere manuelt arbeid der det har størst verdi.

En helhetlig tilnærming til testing kombinerer både manuelle og automatiserte metoder. Manuell testing er uvurderlig for utforskende scenarier og brukergrensesnitt-sjekker, men automatisert testing skinner når det gjelder å kjøre store regresjonstest-suiter eller verifisere kjernefunksjoner etter hver kodeendring. Ved å implementere testautomatisering kan team kjøre tester oftere, redusere risikoen for menneskelige feil og sikre at ny kode ikke ødelegger eksisterende funksjonalitet.

Regresjonstesting er en nøkkelpraksis for å opprettholde programvarekvalitet over tid. Hver gang nye funksjoner legges til eller endringer gjøres, hjelper regresjonstester med å bekrefte at tidligere testede deler av systemet fortsatt fungerer som forventet. Å automatisere disse testene sparer ikke bare tid, men øker også tilliten til produktets stabilitet.

Kvalitetskontroll er en annen essensiell del av testprosessen. Ved å sette tydelige kvalitetskrav og bruke automatiserte verktøy for å håndheve dem, kan team fange oppdefekter tidlig og forhindre kostbare problemer i å nå produksjon. Denne proaktive tilnærmingen til kvalitetssikring hjelper selskaper med å levere pålitelige, høytytende løsninger, samtidig som utviklingskostnader og manuelt arbeid holdes under kontroll.

Oppsummert: Å ta i bruk beste praksis for testing – spesielt ved å integrere automatisert testing og regresjonstesting i arbeidsflyten – øker effektiviteten, støtter kvalitetskontroll og hjelper team å levere programvare som konsekvent møter de høyeste standardene.

Min oppsummering

Etter noen ukers bruk kan jeg trygt si at Cursor.ai har endret måten jeg jobber med testautomatisering på.

  • Takket være full kontekst for repoet kaster jeg ikke bort tid på smådetaljer.
  • Magic Tab lar meg skrive konsistent kode på bare sekunder.
  • Fast Edits gjør refaktorering enklere, noe som tidligere var både kjedelig og feilutsatt.

I praksis sparer jeg mange timer, prosjektet ser mer profesjonelt ut, og det er enklere å vedlikeholde. Å ta i bruk Cursor.ai er i tråd med moderne programvareutviklingspraksis, og hjelper selskapet å strømlinjeforme ikke bare testautomatisering, men også andre prosesser som påvirker den totale effektiviteten. For meg er Cursor.ai et reelt steg fremover innen testautomatisering – og helt ærlig er det vanskelig å se for seg å gå tilbake til den gamle måten å jobbe på.

Slik ble denne artikkelen laget. Utarbeidet med KI-assistanse, deretter faktasjekket og redigert av teamet vårt. Redaksjonelt ansvar: Startup Development House sp. z o.o. Les retningslinjene våre for KI-innhold

Publisert den 22. september 2025

Del

Publisert den 22. september 2025


Monika DorulaMonika Dorula

Digital Transformation Strategy for Siemens Finance

Cloud-based platform for Siemens Financial Services in Poland

See full Case Study
Ad image
QA tester using Cursor.ai for automated testing.
KI-generert bilde
Ikke gå glipp av noe – abonner på nyhetsbrevet vårt
Jeg samtykker til å motta markedskommunikasjon fra Startup House. Klikk for detaljer

Du vil kanskje også like...

Software engineers conducting a code review and architecture assessment together
Software Engineering PracticesQuality AssuranceTechnology

Tjeneste for programvareutvikling

Ingeniørfaget bygger på målbare, repeterbare metoder – og det er nettopp det som skiller en profesjonell leveranse fra ren oppdragskoding. Denne guiden beskriver pilarene i programvareutvikling med høy ytelse: strategisk discovery, systemarkitektur, rigorøs testing og vedlikehold gjennom hele livssyklusen. Den sammenligner samarbeidsmodeller, forklarer hvordan du velger en tech stack som passer dine rammebetingelser, og tar deg gjennom et prosjekt fra idéfase til skalering. Avslutningsvis ser vi på hvordan AI er i ferd med å endre selve utviklingspraksisen.

Alexander Stasiak

Alexander Stasiak

20. aug. 2026・7 min lesing

Mental health app features for 2026 – AI, tracking, teletherapy, and privacy
Digital HealthProduct developmentMental Health Apps

Funksjoner i en psykisk helse-app

Apper for psykisk helse er for lengst blitt noe helt annet enn enkle meditasjons-tidtakere. I 2026 forventer brukerne personlig tilpasset støtte, evidensbasert innhold, robuste sikkerhetsfunksjoner og innebygd personvern.

Alexander Stasiak

Alexander Stasiak

30. nov. 2025・10 min lesing

An industrial technician reviewing predictive maintenance alerts with vibration and thermal sensor data on a plant floor
AI AgentsPredictive MaintenanceIndustry 4.0

AI-agenter for prediktivt vedlikehold og utstyrspålitelighet

Slik leser autonome agenter vibrasjons-, termiske og akustiske data for å forutsi feil flere uker i forkant — og iverksetter tiltak uten å vente på menneskelig inngripen.

Alexander Stasiak

Alexander Stasiak

29. aug. 2026・9 min lesing

An automated KYC verification flow showing identity documents, biometric matching and sanctions screening results
AI Agents ComplianceKYC

AI-agenter for regulatorisk etterlevelse og KYC-automatisering

Hvordan autonome agenter håndterer KYC, AML-screening og regulatorisk rapportering ende-til-ende — og reduserer onboarding fra dager til sekunder, samtidig som de opprettholder et etterprøvbart revisjonsspor.

Marek Pałys

Marek Pałys

26. aug. 2026・10 min lesing

amification in financial services – engagement strategies for banks and fintechs
GamificationFintechFinancial Service

Gamification i finansbransjen 2026

Gamifisering innen finansielle tjenester er ikke lenger noe nytt. Banker og fintech-selskaper bruker nå spillmekanikker for å øke engasjementet, bygge bedre vaner og forbedre økonomiske resultater.

Alexander Stasiak

Alexander Stasiak

29. des. 2025・12 min lesing

A developer reviewing application security checks — secure coding, automated testing, and threat modeling — on a code review screen
Application SecurityDevOpsSecure Coding

Beste praksis for applikasjonssikkerhet

Applikasjonssikkerhet fra første commit til langsiktig vedlikehold — sikker koding, automatisert testing, beskyttelse i skyen og på mobil, og en kultur der sikkerhet kommer først.

Alexander Stasiak

Alexander Stasiak

20. juni 2026・11 min lesing

Nylig lagt til

Glass paper airplane flying through a chrome ring, symbolizing a fast, automated leasing application
FinTechAutomationCase Study

Slik reduserte Startup House tiden for leasingsøknader til 2 minutter for Siemens Financial Services

Leasing innebar tidligere papirarbeid, manuelle kredittsjekker og beslutninger som måtte vente til kontortid. For Siemens Financial Services Poland har Startup House erstattet dette med SimplyLease Online: en nettjeneste der kunder bruker rundt 2 minutter på å sende inn søknaden og får en automatisert kredittbeslutning på omtrent 7 minutter, når som helst på døgnet. Denne casestudien viser hvordan plattformen ble bygget i tråd med Siemens Group sine sikkerhetsstandarder, hvordan den integreres med Siemens-systemer og eksterne dataleverandører, og hva et partnerskap som har pågått siden 2016 har levert. Den avsluttes med tre lærdommer som gjelder for nesten alle finansierings- og utlånsprodukter.

Alexander Stasiak

Alexander Stasiak

06. okt. 2026・5 min lesing

Glass shield of four stacked layers with a glowing green core, symbolizing an AI agent embedded in a cybersecurity platform
AI AgentsCybersecurityCase Study

Hvordan en cybersikkerhetsplattform som betjener Fortune 500-kunder reduserte onboardingtiden med 95 % ved hjelp av en AI-agent utviklet av Startup House

En cyberrisikoplattform betrodd av Fortune 500-selskaper hadde et velkjent problem: Kundene stolte på den, men åpnet den bare én gang i kvartalet, og onboarding tok 45 minutter med veiledet oppsett. Startup House bygde Aria, en AI-agent innebygd i produktet, med et firelagdelt grensesnitt som betjener både styremedlemmer, CFO-er og CISO-er i ett og samme panel. Onboarding ble redusert med 95 % til under 2 minutter, datautforskning ble helt selvbetjent, og plattformen ble et verktøy for daglig beslutningsstøtte. Denne case-studien forklarer grensesnittet, tenant-isolation-arkitekturen, og hvorfor ingenting av dette krevde endringer i plattformens core codebase.

Marek Pałys

Marek Pałys

05. okt. 2026・5 min lesing

Five glass measuring cylinders filled with violet and green liquid to different levels, symbolizing measurable project outcomes
Business OutcomesCase StudyAI Projects

AI- og digitale prosjekter fra Startup House: 5 målbare resultater i tall

Det er lett å komme med påstander i programvareutvikling, så denne artikkelen holder seg til tall. Den går gjennom fem resultater fra kundeprosjekter hos Startup House, fra 95 % kortere onboarding-tid med en innebygd AI-agent til 40 % lavere utviklingskostnader for Omnipack. Hver seksjon forklarer hva slags arbeid som ga resultatet og lenker til den offentlig tilgjengelige kundecasen bak. Den avsluttende delen løfter fram tre felles mønstre det er verdt å ta i bruk, enten du jobber med oss eller ikke.

Alexander Stasiak

Alexander Stasiak

04. okt. 2026・5 min lesing

Glass medical capsule inside a protective glass sphere with a chrome ring, symbolizing compliance-first healthcare software
HealthtechHIPAA ComplianceAI in healthcare

Programvareutvikling innen helseteknologi hos Startup House: compliance-first-prosjekter og resultater

I programvare for helsesektoren er compliance enten et arkitekturvalg eller en ettermontering. Denne artikkelen viser hvordan det ser ut når man bygger det inn fra dag én, gjennom tre prosjekter fra Startup House: en salgsplattform for Siemens Healthineers i bruk i over 60 land, en MVP for demensomsorg formet av sju runder med brukertesting med pasienter og pårørende, og Doogie – en HIPAA-nivå AI-demo bygget på to måneder. Den forklarer også hvordan RAG gjør kliniske AI-svar sporbare til verifiserte kilder, og hvorfor pasientdata aldri brukes til å trene modeller. For MedTech-selskaper og helse-SaaS-plattformer er dette et konkret blikk på hva compliance-first engineering betyr i praksis – utover merkelappen.

Marek Pałys

Marek Pałys

03. okt. 2026・5 min lesing

Two projects, one method: how phased delivery and real user testing took Graspify to live corporate training and gave LITTLEWINE an investor-ready scope.
Edtech transformationProduct discoveryAI In Education

Edtech-utvikling hos Startup House: Hva vi har bygget og hvilken forskjell det har gjort

EdTech-plattformer feiler oftere på grunn av brukeropplevelsen (UX) enn på teknikken: brukere faller fra, innholdet skalerer ikke, og ROI forblir usynlig. Denne artikkelen viser hvordan Startup House unngår dette med fasevis leveranse og brukertesting med faktiske brukere, med to prosjekter som bevis. Graspify gikk fra en dristig idé til en mikrolæringsplattform som trente hundrevis av ansatte under et bedriftsarrangement, og LITTLEWINE fikk et investorklart scope etter 10 brukerintervjuer i løpet av 2 uker. Den dekker også AI-læringsverktøy som kun svarer basert på godkjent innhold og kan gå live på så lite som 2 uker.

Alexander Stasiak

Alexander Stasiak

02. okt. 2026・5 min lesing

Glass and chrome balance scale holding green glass coins and a chrome padlock, symbolizing speed and control in fintech AI
FinTechAI in FinanceRegulatory Compliance

AI i fintech: prosjekter, lærdommer og resultater fra Startup House

Fintech-kunder forventer hastighet på forbrukernivå, mens tilsynsmyndigheter forventer kontroll på banknivå. Denne artikkelen viser hvordan Startup House har håndtert den spenningen i tre prosjekter: automatiserte kredittbeslutninger 24/7 for Siemens Financial Services, en cyberrisikoplattform som økte omsetningen med 150 % på ett år, og et fintech-team innen klima for CHOOOSE satt sammen på 2 uker. Hvert prosjekt kommer med lærdommen vi tok med oss. Artikkelen avsluttes med fem regler for AI i finans, fra å forankre hvert svar i verifiserte data til å designe tenant isolation inn i arkitekturen.

Marek Pałys

Marek Pałys

01. okt. 2026・5 min lesing

Klar til å sentralisere din kompetanse med AI?

Start et nytt kapittel innen kunnskapsforvaltning – der AI-assistenten blir den sentrale pilaren i din digitale støtteopplevelse.

Arbeid med et team som er betrodd av ledende selskaper.

Siemens logo
PwC logo
Toyota logo