人工智能驱动的软件测试获得更多支持，但担忧依然存在

问题不再是新一代人工智能和新兴技术是否会提升软件测试的自动化，而是何时以及如何提升。然而，支持者需要克服组织阻力。

全面的质量工程和测试是当今软件驱动组织所必需的。也许并不奇怪，生成式人工智能（Gen AI）正在成为软件开发生命周期质量和测试阶段的前沿组成部分。

然而，软件测试自动化的长期成功取决于建立必要的组织意愿和资源。简而言之，套用管理大师彼得·德鲁克经常被引用的一句话：文化把软件质量策略当早餐。

一项涉及 1,755 名技术高管的 OpenText 研究的合著者表示，“关于哪些质量工程和测试活动将从 Gen AI 中受益最多的争论仍未解决。”该调查由凯捷和 Sogeti（凯捷集团的一部分）发布，指出人们越来越关注利用 Gen AI“用于测试报告和数据生成，而不是测试用例创建”。

人工智能为许多棘手的软件质量问题提供了答案，或者至少是部分答案。自八年前第一台计算机诞生以来，软件质量一直是一个挑战，在技术网络和解决方案泛滥的世界中，这个问题只会变得更加严重。 Gen AI 正在成为质量管理的重要一步。

调查证实，大约十分之七的组织 (68%) 使用 Gen AI 来协助其软件质量工作。至少 29% 的组织已将 Gen AI 完全集成到其测试自动化流程中，而 42% 的组织正在探索其潜力。

该研究还表明，“云原生技术和机器人过程自动化，其中 Gen AI 和预测人工智能都发挥着重要作用”在这个测试自动化的新领域中很普遍。

“云原生技术很有吸引力，因为它们为经济高效的解决方案打开了大门，无需工具许可证，从而降低了总体运营费用。这不再是人工智能和其他新兴技术是否会成为其中一部分的问题。我们正处于业务方式动态转变的早期阶段。”

结论是，人工智能代表了相对复杂的质量保证和测试流程的自动化的下一阶段。

由 OpenText 的 Jeff Spevacek 领导的调查作者团队表示：“显然需要将质量工程指标与业务成果结合起来，并展示质量计划的战略价值，以推动有意义的变革。”

“在技术方面，更新、更智能的测试自动化工具的采用已将测试自动化的平均水平提升至 44%。然而，今年最具变革性的趋势是人工智能的快速采用，特别是 Gen AI，它将产生巨大影响。”

Spevacek 和他的合著者继续说道：“大型语言模型和人工智能工具（尤其是 Copilot）的发展使其能够无缝集成到现有的软件开发生命周期中，从而在质量工程自动化领域迎来了新一轮的效率和创新浪潮。”

他们写道，在去年的软件质量调查中，“我们看到组织在人工智能解决方案上的投资有所增加，以推动质量转型议程。” “然而，很多人对人工智能在质量工程中的价值持怀疑态度。”

在过去 12 个月里，人们对人工智能的态度发生了显着转变：“许多组织现在正在从试验转向大规模实施 Gen AI，以支持高质量的工程活动。我们坚信，我们将看到这方面的进一步进展。区域。”

然而，采用人工智能作为软件质量保证工具具有挑战性。至少 61% 的受访者表示，他们担心与利用生成式人工智能解决方案相关的数据泄露。 57% 和 64% 的受访者分别认为缺乏全面的测试自动化策略和对遗留系统的依赖是推进自动化工作的主要障碍。

将质量工程师与敏捷软件交付团队结合起来的情况也很复杂。只有三分之一的受访者表示他们的大多数质量工程师都参与了敏捷团队。然而，作者认为缺乏参与可能并不是一件坏事。

“这表明人们越来越认识到需要能够独立于敏捷团队运作、同时仍能为整体质量目标做出贡献的质量工程师。事实上，独立质量工程师的数量预计将从 27% 增加到 38%。”

调查表明，高素质工程师的增加也可能反映出敏捷团队在解决软件质量和测试方面的交叉技能趋势：“对交叉技能的关注，使质量工程师与敏捷团队更紧密地结合起来，似乎已经得到了回报今年的调查结果显示，组织在提高团队技能方面取得了长足进步——现在只有 16% 的受访者认为缺乏技能是主要瓶颈，比去年的 37% 有了显着改善。”

然而，尽管取得了这些进展，大多数科技高管表示，对质量工程的重视还不够。超过一半 (56%) 的人表示，挑战在于“质量工程不被视为我们组织的战略活动。”类似比例的受访者同意“质量工程流程不够自动化”，并且“质量工程师缺乏支持敏捷项目的技能”。

Gen AI 和预测性 AI 的兴起可能会提供一种经济高效且简化的方法，使质量和测试工作与整体软件开发和部署保持一致。 OpenText/Sogeti 团队为推进软件质量工作中的自动化和人工智能提出的一些建议包括：

• 从整个企业的角度来看：清楚地概述“质量工程自动化的目标和预期结果，并预先选择应用、增加或增强测试自动化的领域。”
• 立即开始并不断尝试：“如果您尚未探索或积极使用 Gen AI 解决方案，那么现在就开始保持竞争力至关重要。不要急于致力于单一平台或用例。相反，尝试多种方法来确定能够提供最显着好处的方法。”
• 利用 Gen AI 的全方位功能：“Gen AI 远远超出了自动化测试脚本的生成范围，它有助于实现自适应测试自动化系统。”
• 与业务关键绩效指标挂钩：“识别并利用受质量工程自动化影响的关键业务绩效指标，明确关注业务成果，例如提高客户满意度、降低业务运营成本等与业务相关的。”
• 合理化质量工程自动化工具：“确保您的质量工程自动化工具经过简化，并且能够与 Gen AI 等新兴技术集成，以保持兼容性和未来就绪性。”
• 增强质量工程人才和角色：“在测试中纳入更多全栈质量和软件开发工程师，以增强团队的能力。”
• 增强，而非取代：“了解 Gen AI 不会取代您的质量工程师，但会显着提高他们的生产力。但是，这些改进不会立竿见影；请留出足够的时间让优势显现出来”。

虽然人工智能作为一种质量和测试工具有着巨大的前景，但该研究表示，“在验证协议、人工智能模型以及所有集成验证的复杂性方面存在重大挑战。目前，许多组织正在努力实施全面的测试策略，以确保优化然而，展望未来，人们强烈期望人工智能将在应对这些挑战和提高该领域测试活动的有效性方面发挥关键作用。”

该研究的关键要点是软件质量工程正在迅速发展：“它曾经被定义为测试人类编写的软件，现在已经随着人工智能生成的代码而发展。”

这种演变的结果是，质量工程需要生成的代码和测试脚本数量不断增加，并且对端到端测试软件链提出了新的要求。