Gartner прогнозирует, что к 2027 году 80% предприятий будут интегрировать инструменты тестирования, дополненные искусственным интеллектом, в свою цепочку инструментов разработки программного обеспечения. Это огромный сдвиг по сравнению с 15% в 2023 году, но что это значит для тестировщиков программного обеспечения?
До автоматизации тестирования и искусственного интеллекта программирование было важным навыком для тестировщиков программного обеспечения. С ростом спроса на AI/ML и инструменты тестирования без кода, это уже не так. А это означает, что навыки ИИ, а не программирования, становятся предпочтительными навыками для тестировщиков.
Но это не произойдет в одночасье. Gartner уже заявила, что к 2028 году большинство компаний будут использовать инструменты искусственного интеллекта для написания своего программного обеспечения. Многие компании еще не используют ИИ специально для тестирования, но ежегодное огромное увеличение объема кода, отчасти благодаря ИИ, сделает тестирование без кода более важным. Это также заставит ИТ-руководителей принимать обоснованные решения о том, в какие инструменты с искусственным интеллектом инвестировать. Для этого они должны понимать различия между ними.
Роберт Сейлс, как Мартин
Навигация по социальным ссылкам
Тестировщики-люди и тестирование с использованием искусственного интеллекта
Давайте посмотрим, что ИИ может и не может сделать для тестирования. Нам еще далеко до тестирования без участия человека. Инструменты с усовершенствованным искусственным интеллектом могут помочь тестировщикам в таких вопросах, как создание и обслуживание тестов, но для обеспечения точного тестирования вам все равно необходимы человеческая проверка и контроль.
При этом, по данным Practitest, 52% ИТ-руководителей планируют использовать GenAI для создания программного обеспечения. В ближайшие годы это число будет только расти, наряду с резким ускорением производства программного обеспечения. Это означает, что им нужно будет протестировать результаты, которые генерирует ИИ, возможно, с помощью ИИ.
Но как ИИ ускорит разработку программного обеспечения? Преимущества ИИ по сути такие же, как и автоматизация, то есть качество при скорости. Автоматизируя создание и обслуживание тестов, инструменты тестирования с поддержкой искусственного интеллекта могут ускорить разработку, обеспечивая более быстрые циклы тестирования и более быструю адаптацию к изменениям рынка и потребностям клиентов, что в конечном итоге улучшает реагирование рынка на программное обеспечение.
Подпишитесь на информационный бюллетень Ny Breaking и получайте ключевые новости, мнения, особенности и советы, необходимые вашему бизнесу для успеха!
Некоторые инструменты искусственного интеллекта также могут обрабатывать огромные объемы данных, выявляя закономерности в сложных приложениях гораздо тщательнее, чем тестировщики-люди. Этот комплексный процесс означает превосходное тестовое покрытие, меньшую вероятность упустить из виду крайние случаи и ошибки и в целом улучшить качество программного обеспечения.
Машинное обучение также позволяет инструментам искусственного интеллекта анализировать исторические данные о дефектах, журналы выполнения тестов и прогнозировать потенциальные дефекты. Это позволяет ИИ совершенствовать и оптимизировать тестовые сценарии, в результате чего тесты становятся более надежными и менее подверженными ненадежности или ложным срабатываниям. Практически говоря…
Хотя инструменты тестирования с поддержкой искусственного интеллекта все еще находятся на ранних стадиях разработки, в отчете о состоянии тестирования на 2024 год отмечается, что организации уже используют их для создания тестовых сценариев (25%), оптимизации тестовых сценариев (23%) и планирования тестирования (20%). .
Но это не один размер, подходящий всем. Технологии тестирования с использованием искусственного интеллекта, представленные сегодня на рынке, не так уж и продвинуты. И ни один из них не является волшебной палочкой. Каждому бизнесу необходимо установить правильные ожидания относительно того, что может сделать каждый инструмент. Области, в которых специализируется каждый из них, будут определять ценность инструмента для вашего бизнеса.
Даже если вы технически можете создать множество тестовых примеров с помощью ИИ, действительно ли они качественны? Требуют ли эти тестовые примеры такого большого количества человеческого редактирования и проверки, что это перевешивает время, которое вы экономите при их создании?
Одна организация может уделить приоритетное внимание оптимизации ранних этапов планирования тестирования с помощью автоматического создания тестов, что может означать использование ИИ для получения тестовых примеров и сценариев на основе пользовательских историй. С другой стороны, компания, занимающаяся конфиденциальными данными или вопросами конфиденциальности, может отдать приоритет созданию синтетических данных, используя ИИ для генерации данных, имитирующих производственную среду, одновременно решая проблемы надежности испытаний и конфиденциальности. Это то, что ИТ-руководители должны оценивать при исследовании инструментов. Блокпосты
Прежде чем ИИ сможет трансформировать тестирование программного обеспечения, еще предстоит преодолеть некоторые препятствия. Самое главное — найти как ИТ-руководителей, так и тестировщиков, обладающих навыками, которые действительно соответствуют тому, как развиваются инструменты.
Один из наиболее важных навыков, о которых ИТ-руководители должны знать среди тестировщиков, — это навыки искусственного интеллекта и машинного обучения. Согласно отчету о состоянии тестирования за 2024 год, спрос на навыки искусственного интеллекта и машинного обучения увеличится с 7% в 2023 году до 21% в 2024 году. Между тем, воспринимаемая важность традиционных навыков программирования при тестировании снизится с 50% в 2023 году до 31% в 2024 году. Этот сдвиг в навыках неизбежно изменит сами инструменты тестирования, отведя отрасль от полностью основанных на коде подходов к автоматизации и к более широкому внедрению инструментов на базе искусственного интеллекта, не требующих написания кода.
Поскольку инструменты тестирования, дополненные искусственным интеллектом, основаны на данных, используемых для обучения моделей искусственного интеллекта, руководители ИТ-отделов также будут нести большую ответственность за безопасность и конфиденциальность этих данных.. Соблюдение таких правил, как GDPR, имеет важное значение, и необходимо внедрить надежные методы управления данными, чтобы ограничить риск утечки данных или несанкционированного доступа. Алгоритмическая погрешность, вызванная искаженными или нерепрезентативными данными обучения, также должна быть устранена, чтобы минимизировать погрешность в тестировании с использованием ИИ.
Но, возможно, здесь мы забегаем вперед. Потому что даже несмотря на продолжающуюся эволюцию ИИ и растущую нормализацию автономного тестирования, нам все еще нужна человеческая помощь и проверка. Интерпретация результатов, полученных с помощью ИИ, и способность принимать обоснованные решения на основе этих результатов остаются обязанностью тестировщиков.
ИИ изменит тестирование программного обеспечения к лучшему. Но не рассматривайте любой инструмент, использующий ИИ, как простое обновление. Все они имеют разные преимущества в жизненном цикле разработки программного обеспечения. Речь идет о знании того, что на самом деле нужно вашей организации, а не о том, что актуально на рынке. И независимо от того, насколько важными станут навыки искусственного интеллекта и машинного обучения… вам все равно нужны люди. Предоставляем обзор лучших IDE для Python.
Эта статья была подготовлена в рамках канала Expert Insights от Ny BreakingPro, где мы сегодня демонстрируем лучшие и самые яркие умы в технологическом секторе. Мнения, выраженные здесь, принадлежат автору и не обязательно отражают точку зрения Ny BreakingPro или Future plc. Если вы хотите внести свой вклад, вы можете прочитать больше здесь: https://www.techradar.com/news/submit-your-story-to-techradar-pro.
Статья добавлена ботом, с использованием машинного перевода : https://nybreaking.com/category/tech/
