AI /自动化

在质量保证中利用AI

谈到数字化转型，大多数企业都围绕着雷竞技足球客户体验、效率、敏捷性和盈利能力展开愿景，这涉及到对基础设施、流程和应用程序进行现代化。质量保证(QA)通常是事后才考虑的。

然而，每一个数字程序总是运行在敏捷开发框架或DevOps上，这意味着更短的发布周期和在更短的时间内交付高质量代码的额外压力。为了帮助实现这一点，组织计划在DevOps方面进行额外的控制，而忽略了QA战略。有必要改变组织中质量保证的运作方式。大体上有两个驱动力——测试方式的敏捷性(持续的质量保证)和更快的上市时间。对于QA团队来说，要跟上敏捷开发模式的步伐，传统的测试自动化已经不够了，制作AI在测试自动化中不可避免。

测试组织正在强迫以自动化的新技术解决方案创新。

QA自动化以获得更好的业务

质量保证自动化已经存在多年。然而，自动化的好处对业务仰卧起来并注意到的影响不够。

在第一代自动化中，焦点在很大程度上基于UI和以回归为中心。目标是建立一个可以使用商业工具加速自动化的框架。自动化演变为包括关键字驱动，数据驱动和稍后，业务流程驱动的框架，为客户提供了大量的节省。但储蓄主要有限于回归，对业务没有太大差异。

下一波自动化包括API /中间件自动化，测试数据自动化等形式的业务的功能方面。这真正将自动化价值带入测试活动，特别是测试执行。焦点从基于UI的自动化转移到多层/多堆自动化，对效率和上市时间产生影响。

这种自动化浪潮进一步发展，随着连续测试的焦点而进一步发展。测试驱动设计（TDD）和行为驱动设计（BDD）正在强制集成的自动化解决方案加入主流，并且不仅限于测试人员。用户验收测试（UAT）阶段的单元测试（UT）阶段或企业的开发人员也使用这些自动脚本来测试功能并节省时间。测试还扩展了黑盒子（函数测试）到白色框（测试系统的内部视角），从而产生更好的代码质量控制。

测试执行阶段的自动化是通过广泛采用的开源自动化解决方案，敏捷和连续测试，第三方系统集成和数字/移动测试的解决方案进一步发展。

测试自动化趋势

随着业务流程模型和可重复使用的测试资产的可用性，在测试规划阶段也可以自动化。这不仅提高了生产率，而且有助于揭示新的学习和经验。这印孚瑟斯业务保证商店是这样一个100万以上的大型测试用例存储库，帮助客户利用我们过去在类似场景上工作的经验。

将AI带入质量保证

人工智能主导的认知自动化解决方案(智能自动化)将最好的自动化方法与人工智能结合起来，帮助带来卓越的结果。重点是三维的——消除测试覆盖重叠，用更可预测的测试优化工作，最后从缺陷检测转移到缺陷预防。今天，组织拥有更好的机器学习算法，用于模式分析和处理大量数据，从而产生更好的运行时决策。例如，在软件升级期间，机器学习算法可以遍历代码，以检测功能中的关键变化，并将它们与需求联系起来，以识别测试用例。这有助于优化测试，并防止对可能导致失败的热点做出决策。Infosys PANDIT就是这样一个基于人工智能的测试平台，它帮助我们的客户提高敏捷性和可预测性，同时通过将人工智能集成到测试中来优化测试工作。

RPA和机器人解决方案（机器人）通常用于超出传统测试活动的各种自动化需求。组织正在构建机器人作为测试人员，以在ATM，移动等等物理设备上执行测试。这些机器人可以从远程位置编程和控制，并减少对共同位置的需求。

未来的未来伴随着利用深度学习基础的解决方案，以建立一个真正的自主方法来测试。像自动驾驶汽车一样，自主技术将帮助通过系统学习来生成自己的脚本进行测试。Infosys深度保证是一种自主测试解决方案，为QA带来深度学习的力量。该路径破坏解决方案能够在没有任何记录的测试用例或人为干预的情况下自学和测试应用程序，使其真正自治和智能。

我们正在开拓一种策略，该策略将AI应用于QA，超越测试优化和预测通过自治技术预防。这种方法会导致整体测试努力的巨大减少，并且还减少对人类的依赖。它的内置智能和自学习功能使其成为识别测试的关键路径的卓越解决方案，并用于提高测试精度。

自主工作流程

通常，大多数大型遗产企业对其核心IT系统有巨大的投资，需要大量的测试。据估计，典型企业中的测试成本是对总支持成本的14％至22％的曲调。挑战是在测试和失败发病程度之间取得平衡。

凭借智能自动化解决方案，组织可以重新恢复核心，并使每位员工在日常工作中驾驶最佳价值和效率。