英语轻松读发新版了,欢迎下载、更新

AI 测试:更多覆盖范围、更少错误、新风险

2024-11-02 11:05:47 英文原文

作者:Tal Barmeir

生成式人工智能的出现正在迅速开创软件测试的新时代。GenAI 的 AI 测试记录器旨在执行与人类测试自动化工程师相同的工作,因此它已经变得非常复杂,可以解释简单语言指令以自主生成测试自动化代码。

此功能使测试民主化,允许没有编码专业知识的个人直接与测试框架交互。它简化了整个测试自动化过程,使用户能够通过记录与网站的交互来轻松生成代码,无需手动编码。GenAI 驱动的测试仪无缝集成到 CI/CD 管道中,自动检测错误并就潜在问题向团队发出警报。

利用 AI 改变 QA

来自经验,来自人类的旅程自动化测试人员到AI测试自动化工程师是一个变革的过程。传统上,过渡到测试自动化需要大量时间和资源,包括学习编码和理解自动化框架。

人工智能消除了这些障碍并加快了开发周期,大大缩短了上市时间并提高了准确性,同时降低了软件测试人员的管理任务水平。

通过人工智能软件测试,公司可以快速缩短上市时间。他们可以自动解释用简单语言编写的测试场景生成必要的代码用于测试自动化,并跨各种平台和语言执行测试。这极大地减少了启用时间,使 QA 专业人员能够专注于战略任务,而不是复杂的编码。这反过来又解决了测试自动化的严重短缺问题,帮助公司在几分钟内并行实现任意数量的数字产品的更高质量,为多语言网站和应用程序创建测试自动化适用于任何屏幕尺寸,包括计算机、平板电脑和手机。

人工智能在测试中的生产力提升是巨大的。我们现在拥有一家大型国际银行,我们帮助他们利用我们的解决方案,使其成功地提高了其两个网站的测试自动化覆盖率(支持大约十种不同的语言),将测试自动化覆盖率从仅仅 40% 提高到了近 90%。几周的时间。我相信这是一项了不起的成就,不仅因为最终结果,还因为在具有安全性和集成的企业环境中工作通常需要很长时间。

虽然传统的测试自动化可能仅限于单一平台或语言以及一个人的能力,但人工智能增强测试打破了这些限制。测试人员现在可以在任何平台(Web、移动、桌面)上以多种语言创建和执行测试,并具有众多测试人员的能力。这增强了测试能力,并将灵活性和效率提升到了一个新的水平。

AI 优势:多语言和 24/7 测试

利用人工智能提升 QA 团队的技能带来了多语言测试和 24/7 操作的显着优势。在当今的全球市场中,软件产品通常必须迎合不同的用户,需要用多种语言进行测试。人工智能使这成为可能,而无需测试人员了解每种语言,从而扩大了软件产品的范围和可用性。

全天候测试的能力可确保测试不会成为快节奏开发的瓶颈。AI 的自主维护功能进一步减少了更新测试用例所需的时间和精力,确保测试保持相关性和实用性。IDC 最近的一份报告预测,到 2028 年,基于 GenAI 的工具将能够编写 70% 的软件测试。这将减少手动测试的需求,并提高测试覆盖率、软件可用性和代码质量。

应对挑战

IDC 预测,到 2026 年,45% 的 DevOps 团队将使用利用 AI 的 DevSecOps 工具来识别应用中的安全挑战– 因此,虽然 GenAI 提供了显着的优势,但它也带来了组织必须解决的运营和安全挑战:

其中一些包括幻觉——人工智能可能在测试过程中产生不准确或捏造的输出,导致不正确的结果,并可能忽视关键问题。数据隐私 - 测试过程中使用的敏感数据被不当处理或泄露的风险引发了重大的隐私问题。另一个挑战是缺乏透明度。许多人工智能系统的“黑匣子”性质使得追踪决策过程变得困难,阻碍了系统的调试和信任。

最后,安全漏洞意味着系统容易受到可能利用系统弱点的对抗性攻击,从而可能危及测试过程。另一个值得一提的挑战是输出不一致——人工智能可能会产生不稳定或不相关的结果,影响测试可靠性,并使保持一致的测试标准变得困难。

风险缓解策略

为了利用 GenAI 的力量同时降低这些风险,组织可以实施多种策略,例如人在环 (HITL) 监督或人工监督。这确保了人工智能生成的输出经过严格的准确性和可靠性验证。人类主管可以审查和批准人工智能生成的测试用例,确保它们在实施前满足必要的标准。另一种方法是限制人工智能的自主性,这有助于限制人工智能的创造自由,并防止系统做出没有根据的假设或行动。

为人工智能设定明确的界限和指导方针,确保其在可接受的参数范围内运行,保持可预测且可靠的测试过程。第三种选择需要对执行政策的行动进行推理,其中人工智能必须解释其决策、提高透明度并建立对人工智能生成结果的信任。通过对每个动作进行严格的推理,开发人员可以获得对人工智能思维过程的宝贵见解,并做出明智的调整。最后,安全数据管理实践有助于实施强有力的政策,保护敏感信息在人工智能训练期间不被滥用。加密、匿名化和访问控制对于保护数据隐私至关重要。

使用 GenAI 驱动的测试实践

随着 GenAI 越来越多地融入软件开发生命周期,了解其功能和局限性至关重要。通过有效管理这些动态,开发团队可以利用 GenAI 的潜力来增强他们的能力测试实践,同时确保软件产品的完整性。通过仔细考虑所概述的挑战和缓解策略,组织可以利用 GenAI 的全部力量来推动软件测试创新并提供高质量的软件产品。


本文是 The New Stack 的一部分贡献者网络。对影响开发人员的最新挑战和创新有见解吗?我们很乐意听取您的意见。成为贡献者并分享您的专业知识填写此表格或发送电子邮件至 Matt Burns:mattburns@thenewstack.io。

团体 用草图创建。

关于《AI 测试:更多覆盖范围、更少错误、新风险》的评论


暂无评论

发表评论

摘要

生成式人工智能的出现正在彻底改变软件测试,测试记录器可以解释简单语言指令并自主生成自动化代码。这使得非编码人员的测试变得民主化,并无缝集成到 CI/CD 管道中,提高效率和准确性,同时缩短开发时间。人工智能驱动的测试可以跨平台快速生成多语言测试,无需手动编码,从而显着提高软件产品的覆盖范围和质量。然而,数据隐私问题、不一致的输出和安全风险等挑战必须通过人工监督和明确的指导方针等策略来解决,以确保可靠和安全的测试实践。