Yapay zeka destekli yazılım testleri daha fazla şampiyon kazanıyor ancak endişeler devam ediyor

Sorun artık yapay zekanın ve gelişen teknolojilerin yazılım testinin otomasyonunu geliştirip geliştirmeyeceği değil, ne zaman ve nasıl olacağıdır. Ancak taraftarların örgütsel direnci aşmaları gerekiyor.

Kapsamlı kaliteli mühendislik ve testler, günümüzün yazılım odaklı kuruluşları için bir zorunluluktur. Belki de şaşırtıcı olmayan bir şekilde, üretken yapay zeka (Gen AI), yazılım geliştirme yaşam döngüsünün kalite ve test aşamasının en ileri bileşeni olarak ortaya çıkıyor.

Ancak yazılım testi otomasyonunda uzun vadeli başarı, gerekli organizasyonel irade ve kaynakların oluşturulmasıyla ilgilidir. Kısacası, yönetim gurusu Peter Drucker'ın sık sık alıntılanan ifadesini başka kelimelerle ifade edersek: Kültür, yazılım kalitesinde stratejileri kahvaltı niyetine yer.

1.755 teknoloji yöneticisinin katıldığı bir OpenText çalışmasının ortak yazarları, "Hangi kaliteli mühendislik ve test faaliyetlerinin Gen AI'dan en fazla fayda sağlayacağı konusundaki tartışma henüz çözülmedi" dedi. Capgemini ve Sogeti (Capgemini Grubunun bir parçası) tarafından yayınlanan anket, "test senaryosu oluşturmak yerine test raporlaması ve veri üretimi için" Gen AI'dan yararlanmaya artan bir odaklanmaya işaret etti.

Yapay zeka, birçok rahatsız edici yazılım kalitesi sorununa bir yanıt veya en azından kısmi bir yanıt oluşturur. Yazılım kalitesi, seksen yıl önce ilk bilgisayarların üretilmesinden bu yana bir sorun olmuştur ve teknoloji ağları ve çözümlerle dolu bir dünyada, sorun daha da ciddi bir hal almıştır. Nesil yapay zeka, kaliteyi yönetmede önemli bir adım olarak ortaya çıkıyor.

Anket, on kuruluştan yaklaşık yedisinin (%68) yazılım kalitesi çabalarına yardımcı olmak için Nesil Yapay Zekayı kullandığını doğruladı. Kuruluşların en az %29'u Gen AI'yi test otomasyon süreçlerine tamamen entegre ederken, %42'si potansiyelini araştırıyor.

Çalışma ayrıca test otomasyonunun bu yeni alanında "bulutta yerel teknolojiler ve hem Gen AI hem de tahmine dayalı AI'nın önemli rol oynadığı robotik süreç otomasyonunun" yaygın olduğunu öne sürdü.

"Bulutta yerel teknolojiler çekici çünkü bunlar, takım lisanslarına olan ihtiyacı ortadan kaldıran ve genel operasyonel giderleri azaltan uygun maliyetli çözümlere kapıyı açıyor. Artık AI ve diğer gelişen teknolojilerin bunun bir parçası olup olmayacağı meselesi değil. DevOps yapısında iş yapma şeklimizde dinamik bir değişimin ilk aşamalarındayız."

Sonuç olarak yapay zeka, nispeten karmaşık kalite güvence ve test süreçleri için otomasyonun bir sonraki aşamasını temsil ediyor.

OpenText'ten Jeff Spevacek liderliğindeki anketin yazar ekibi, "Kalite mühendisliği ölçümlerini iş sonuçlarıyla uyumlu hale getirmeye ve anlamlı değişim sağlamak için kalite girişimlerinin stratejik değerini göstermeye açık bir ihtiyaç var" dedi.

"Teknoloji cephesinde, daha yeni, daha akıllı test otomasyon araçlarının benimsenmesi, ortalama test otomasyonu seviyesini %44'e çıkardı. Ancak bu yılki en dönüştürücü trend, yapay zekanın, özellikle de Gen Yapay Zeka'nın hızla benimsenmesidir. büyük bir etki yaratacaktır."

Spevacek ve ortak yazarları şöyle devam etti: "Büyük dil modellerinin ve yapay zeka araçlarının, özellikle de Copilot'un evrimi, bunların mevcut yazılım geliştirme yaşam döngülerine kusursuz entegrasyonunu mümkün kıldı ve kaliteli mühendislik otomasyonunda yeni bir verimlilik ve yenilik dalgasını başlattı."

Geçen yılın yazılım kalitesi araştırmasında, "kalite dönüşümü gündemini yönlendirmek için kuruluşların yapay zeka çözümlerine yaptığı yatırımlarda bir artış gördük" diye yazmışlardı. "Ancak önemli sayıda kişi yapay zekanın kaliteli mühendislikteki değeri konusunda şüpheciydi."

Yapay zekaya yönelik tutumlar son 12 ayda önemli ölçüde değişti: "Çok sayıda kuruluş artık kaliteli mühendislik faaliyetlerini desteklemek için deney yapmaktan, Gen Yapay Zeka'nın gerçek ölçekli uygulamasına doğru ilerliyor. Bu konuda daha fazla ilerleme göreceğimize gerçekten inanıyoruz. alan."

Ancak yapay zekayı bir yazılım kalite güvence aracı olarak kullanmak zordur. Ankete katılanların en az %61'i, üretken yapay zeka çözümlerinden yararlanmayla ilişkili veri ihlallerinden endişe duyduklarını söyledi. Kapsamlı test otomasyonu stratejilerinin eksikliği ve eski sistemlere bağımlılık, yanıt verenlerin sırasıyla %57 ve %64'ü tarafından otomasyon çabalarının ilerlemesinin önündeki temel engeller olarak tanımlandı.

Bu resim aynı zamanda kaliteli mühendislerin Çevik yazılım dağıtım ekipleriyle birleştirilmesi konusunda da karışıktır. Katılımcıların yalnızca üçte biri kalite mühendislerinin çoğunun Çevik ekiplere katıldığını söyledi. Ancak yazarlar bu katılım eksikliğinin kötü bir şey olmayabileceğini öne sürdüler.

"Bu, Agile ekiplerinden bağımsız olarak çalışabilen ve aynı zamanda genel kalite hedeflerine katkıda bulunabilen kalite mühendislerine olan ihtiyacın giderek daha fazla kabul edildiğini gösteriyor. Aslında, bağımsız kalite mühendislerinin sayısının %27'den %38'e çıkması bekleniyor."

Anket, yüksek kaliteli mühendislerdeki bu artışın aynı zamanda Agile ekiplerinin yazılım kalitesi ve testlerini ele almak için çapraz beceri geliştirme eğilimini de yansıtabileceğini öne sürdü: "Kalite mühendislerini Agile ekiplerle daha yakın bir şekilde hizalamak için çapraz beceriye odaklanmanın meyvesini vermiş gibi görünüyor Bu yılın anket sonuçları, kuruluşların ekiplerinin becerilerini artırma konusunda kayda değer bir ilerleme kaydettiğini gösteriyor; ankete katılanların yalnızca %16'sı artık beceri eksikliğini büyük bir darboğaz olarak görüyor; geçen yılki %37'ye kıyasla önemli bir gelişme."

Ancak bu ilerlemeye rağmen çoğu teknoloji yöneticisi kaliteli mühendisliğe yeterince önem verilmediğini söyledi. Yarıdan fazlası (%56) sorunun "kaliteli mühendisliğin kuruluşumuzda stratejik bir faaliyet olarak görülmemesi" olduğunu söyledi. Katılımcıların benzer bir oranı "kaliteli mühendislik sürecinin yeterince otomatikleştirilmediğini" ve "kaliteli mühendislerin Çevik projeleri destekleyecek becerilerden yoksun olduğunu" kabul etti.

Nesil yapay zekanın ve tahmine dayalı yapay zekanın yükselişi, kalite ve test çabalarını genel yazılım geliştirme ve devreye alma ile uyumlu hale getirmek için uygun maliyetli ve kolaylaştırılmış bir yaklaşım sunabilir. Yazılım kalitesi çabalarında otomasyon ve yapay zeka ile ilerlemek için OpenText/Sogeti ekibi tarafından sunulan önerilerden bazıları şunlardır:

• Kurum çapında bir bakış açısı edinin: "Kalite mühendisliği otomasyonunun hedeflerini ve arzu edilen sonuçlarını ve test otomasyonunun uygulanacağı, artırılacağı veya geliştirileceği alanların önceden seçilmesini" açıkça belirtin.
• Hemen başlayın ve denemeye devam edin: "Henüz Yapay Zeka Nesil çözümlerini araştırmıyor veya aktif olarak kullanmıyorsanız, rekabetçi kalabilmek için şimdiden başlamanız çok önemlidir. Tek bir platforma veya kullanım senaryosuna bağlanmak için acele etmeyin. Bunun yerine, en önemli faydaları sağlayanları belirlemek için birden fazla yaklaşımı deneyin."
• Gen AI'nin tüm yeteneklerinden yararlanın: "Gen AI, otomatik test komut dosyaları oluşturmanın çok ötesine geçiyor ve kendi kendini uyarlayan test otomasyon sistemlerinin gerçekleştirilmesine yardımcı oluyor."
• İşletme temel performans göstergelerini bağlayın: "Artan müşteri memnuniyeti, azalan iş operasyonları maliyeti ve diğerleri gibi iş sonuçlarına net bir şekilde odaklanarak, kalite mühendisliği otomasyonundan etkilenen temel iş performansı göstergelerini tanımlayın ve bunlardan yararlanın bunlar işle alakalı."
• Kaliteli mühendislik otomasyon araçlarını rasyonelleştirin: "Uyumluluğu ve geleceğe hazırlığı sürdürmek için kaliteli mühendislik otomasyon araçlarınızın modernleştirilmiş olduğundan ve Gen AI gibi yeni ortaya çıkan teknolojilerle entegre olabilme yeteneğine sahip olduğundan emin olun."
• Kaliteli mühendislik yeteneklerini ve rollerini geliştirin: "Ekibinizin yeteneklerini güçlendirmek için teste daha fazla tam yığın kalite ve yazılım geliştirme mühendisini dahil edin."
• Geliştirin, değiştirmeyin: "Nesil yapay zekanın kalite mühendislerinizin yerini almayacağını, ancak üretkenliklerini önemli ölçüde artıracağını anlayın. Ancak bu iyileştirmeler hemen olmayacak; faydaların görünür hale gelmesi için yeterli zaman tanıyın. "

Yapay zeka bir kalite ve test aracı olarak büyük umut vaat etse de, çalışmada "protokollerin, yapay zeka modellerinin ve tüm entegrasyonların doğrulanmasının karmaşıklığının doğrulanmasında önemli zorluklar olduğu" belirtildi. Ancak ileriye baktığımızda, yapay zekanın bu zorlukların üstesinden gelmede ve bu alandaki test faaliyetlerinin etkinliğini artırmada önemli bir rol oynayacağına dair güçlü bir beklenti var."

Araştırmadan elde edilen temel sonuç, yazılım kalitesi mühendisliğinin hızla gelişmesidir: "Bir zamanlar insan tarafından yazılan yazılımın test edilmesi olarak tanımlandığında, artık yapay zeka tarafından oluşturulan kodla gelişti."

Bu evrimin bir sonucu olarak, kalite mühendisliği, oluşturulması gereken kod ve test komut dosyalarının hacminde artış görüyor ve yazılım zincirlerini uçtan uca test etmek için yeni gereksinimler ortaya çıkıyor.