Я потратил более 25 лет, разрабатывая и выставляя продукты для тестирования программного обеспечения на рынок. В течение этого времени мы стали свидетелями значительных изменений-автоматизированного тестирования, непрерывного тестирования, платформ низкого кода/без кодов, центров совершенства и лечебного подхода. Тем не менее, несмотря на эти достижения, одна вещь осталась постоянной: тестирование остается трудоемким, неэффективным узким местом в жизненном цикле разработки программного обеспечения.
Несмотря на то, что тестирование стало менее узким местом за эти годы, мы никогда не достигли бесшовной проверки. Сегодня ИИ находится в авангарде эволюции наших продуктов тестирования (как у многих других поставщиков), но остается ключевой вопрос: сделает ли это тестирование более эффективным? А как насчет человеческого элемента? Строится ли ИИ мирские задачи, или он просто добавит еще один слой сложности, как это сделали прошлые «достижения»?
Следующее поколение автоматического тестирования
Многие поставщики начали включать ИИ в свои платформы тестирования. Многие выбрали, чтобы ИИ -копилоты помогли в создании тестов, но это только часть решения. Поскольку ИИ быстро продвигается, мы должны смотреть за пределы апопилотов и сосредоточиться на более значимой точности, эффективности и улучшении скорости.
В то время как копилоты могут ускорить создание тестов, они не решают некоторые из более серьезных проблем тестирования. Отзывы пользователей были смешаны. Некоторые разработчики считают, что спилоты полезны, но многие сообщают, что они иногда генерируют неправильные тесты или создают больше тестов, которые требуют постоянного технического обслуживания. Вместо того, чтобы решать основные проблемы, копилоты рискуют усугублять их, просто налоивая ИИ по уже сломанному процессу.
Почему тестирование все еще сломано
Чтобы понять, почему, давайте посмотрим на эволюцию автоматического тестирования программного обеспечения. Промышленность разработала различные методы выявления объектов на экране, что позволяет выполнять тесты. Хотя некоторые методы работают лучше, чем другие, факт остается фактом, что изменения в тестах на разрыв пользовательского интерфейса или приложения требуют постоянного обслуживания-по оценкам, 30-40% от времени тестера.
Возьмите регрессионное тестирование в качестве примера: регрессионные люксы должны быть повторно, когда вносятся изменения, чтобы обнаружить новые проблемы. В крупных приложениях эти тесты могут насмехаться в тысячах, однако предполагается, что только 20% тестов в регрессионных люксах действительны. Многие из этих тестов создают ошибки, которые требуют много времени анализа, чтобы проверить их подлинность. Неудивительно, что некоторые предприятия по -прежнему полагаются на ручное тестирование, даже если они знают, что не могут достичь полного тестового покрытия.
Новый подход к тестированию
При обсуждении того, как развивать веб -сайты, мобильные и тестовые наборы в производительности, было понято, что, хотя ассистенты помогают в написании тестовых сценариев, они не обращаются к самым значительным болевым точкам пользователей: поддержание тестирования и анализ. Вот почему лучше сосредоточиться на областях, где можно доставить ценность, начиная с проверки теста.
Нам нужно переосмыслить, как приблизиться к тестированию. Можно ли устранить необходимость в сценариях и локаторах на основе объектов?
Умный подход
Следующая эволюция в автоматическом тестировании — это не просто визуализация того, что находится на экране, а использование ИИ для понимания его контекста и динамически. Используя обработку естественного языка, пользователи могут задавать простые вопросы, и система может соответствующим образом анализировать и проверять тесты, не полагаясь на объекты или код или даже не нуждаясь в понимании основных технологий приложений. Результат? Проверка в реальном времени, которая работает на любой платформе и используется как техническими, так и нетехническими членами команды. Это также переживает массовые изменения в коде без ручного вмешательства.
Хотя непосредственные преимущества проверки теста, управляемой искусственным интеллектом, ясны, реальная ценность получена из практического опыта и отзывов от реальных пользователей. Например, финансовые учреждения использовали этот подход для проверки данных, которые они никогда не могли проверить раньше, например, проверить, соответствуют ли на экране графики базовых таблиц. Ритейлеры теперь могут обеспечить описание продуктов, соответствующие изображениям продуктов. Эта проверка, управляемая ИИ, может работать без проблем, даже когда приложения развиваются, не требуя ручных корректировок.
Выходя за рамки проверки
Но проверка теста — это только начало. Чтобы по -настоящему преобразовать тестирование, мы должны посмотреть, как ИИ может освободить тестеров и разработчиков из рутинных задач, позволяя им сосредоточиться на более ценной работе. Цель состоит в том, чтобы демократизировать тестирование — сделать его доступным и эффективным для всех. Я не фанат слова «демократизировать», но при правильном использовании это действительно то, что ИИ будет включить.
Будущее тестирования программного обеспечения не о применении ИИ ради ИТ или принятие краткосрочных исправлений. Речь идет о использовании наиболее значительных достижений в вычислениях для решения реальных проблем и, наконец, исправление сломанных процессов, преследующих программное тестирование в течение многих лет.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Стивен Фелони является вице -президентом по продуктам, непрерывным тестированием на Perforce. До этой роли он занимал роль управления продуктами в различных компаниях от предприятия до стартапов, включая HP, CA, Broadcom и других. Перед управлением продуктом Стивен провел 12 с лишним лет … Подробнее от Стивена Фелони
