I test software basati sull’intelligenza artificiale guadagnano più sostenitori, ma le preoccupazioni persistono

La domanda non è più se l’intelligenza artificiale e le tecnologie emergenti miglioreranno l’automazione dei test del software, ma quando e come. Tuttavia, i sostenitori devono superare la resistenza organizzativa.

L'ingegneria e i test di qualità completi sono un must per le odierne organizzazioni basate sul software. Forse non sorprende che l’intelligenza artificiale generativa (Gen AI) stia emergendo come una componente all’avanguardia della fase di qualità e test del ciclo di vita di sviluppo del software.

Tuttavia, il successo a lungo termine nell’automazione dei test del software dipende dalla creazione della volontà e delle risorse organizzative necessarie. In breve, per parafrasare la frase spesso citata del guru del management Peter Drucker: La cultura mangia strategie di qualità del software a colazione.

"Il dibattito su quali attività di ingegneria e test di qualità trarranno maggiori benefici dalla Gen AI rimane irrisolto", hanno affermato i coautori di uno studio OpenText che ha coinvolto 1.755 dirigenti tecnologici. L’indagine, pubblicata da Capgemini e Sogeti (parte del Gruppo Capgemini), ha evidenziato una crescente attenzione allo sfruttamento dell’intelligenza artificiale “per il reporting dei test e la generazione di dati piuttosto che per la creazione di casi di test”.

L’intelligenza artificiale crea una risposta, o almeno una risposta parziale, a molti fastidiosi problemi di qualità del software. La qualità del software è stata una sfida sin da quando furono costruiti i primi computer, otto decenni fa, e in un mondo inondato di reti e soluzioni tecnologiche, il problema non ha fatto altro che aggravarsi. La Gen AI sta emergendo come un passo importante nella gestione della qualità.

Il sondaggio ha confermato che circa sette organizzazioni su dieci (68%) utilizzano la Gen AI per assistere nei propri sforzi di qualità del software. Almeno il 29% delle organizzazioni ha completamente integrato la Gen AI nei propri processi di automazione dei test, mentre il 42% ne sta esplorando il potenziale.

Lo studio suggerisce inoltre che “le tecnologie native del cloud e l’automazione dei processi robotici, con l’intelligenza artificiale generazionale e l’intelligenza artificiale predittiva che svolgono entrambe un ruolo significativo” sono prevalenti in questa nuova area dell’automazione dei test.

"Le tecnologie native del cloud sono attraenti perché aprono la porta a soluzioni economicamente vantaggiose che eliminano la necessità di licenze per gli strumenti, riducendo così le spese operative complessive. Non è più una questione di "se" l'intelligenza artificiale e altre tecnologie emergenti diventeranno parte del tessuto DevOps. Siamo nelle fasi iniziali di un cambiamento dinamico nel modo in cui facciamo affari."

La conclusione è che l’intelligenza artificiale rappresenta la fase successiva dell’automazione per processi di controllo qualità e test relativamente complessi.

"C'è una chiara necessità di allineare i parametri di ingegneria della qualità con i risultati aziendali e mostrare il valore strategico delle iniziative di qualità per promuovere cambiamenti significativi", ha affermato il team di autori del sondaggio, guidato da Jeff Spevacek di OpenText.

"Sul fronte tecnologico, l'adozione di strumenti di automazione dei test più nuovi e più intelligenti ha portato il livello medio di automazione dei test al 44%. Tuttavia, la tendenza più trasformativa quest'anno è la rapida adozione dell'intelligenza artificiale, in particolare della Gen AI, che è destinata a avere un impatto enorme."

Spevacek e i suoi coautori hanno continuato: “L’evoluzione di grandi modelli linguistici e strumenti di intelligenza artificiale, in particolare Copilot, hanno consentito la loro perfetta integrazione nei cicli di vita di sviluppo software esistenti, inaugurando una nuova ondata di efficienza e innovazione nell’automazione dell’ingegneria della qualità”.

Nel sondaggio sulla qualità del software dell’anno precedente, “abbiamo notato un aumento degli investimenti effettuati dalle organizzazioni in soluzioni di intelligenza artificiale per guidare l’agenda di trasformazione della qualità”, hanno scritto. "Tuttavia, un numero significativo di persone era scettico riguardo al valore dell'intelligenza artificiale nell'ingegneria della qualità".

L'atteggiamento nei confronti dell'intelligenza artificiale è cambiato in modo significativo negli ultimi 12 mesi: "Un gran numero di organizzazioni si sta ora spostando dalla sperimentazione all'implementazione su scala reale dell'intelligenza artificiale per supportare attività di ingegneria di qualità. Crediamo davvero che vedremo ulteriori progressi in questo settore". zona."

Tuttavia, l’utilizzo dell’intelligenza artificiale come strumento di garanzia della qualità del software è impegnativo. Almeno il 61% degli intervistati ha affermato di preoccuparsi delle violazioni dei dati associate all’utilizzo di soluzioni di intelligenza artificiale generativa. La mancanza di strategie complete di automazione dei test e la dipendenza da sistemi legacy sono stati identificati rispettivamente dal 57% e dal 64% degli intervistati come ostacoli principali al progresso degli sforzi di automazione.

Il quadro è contrastante anche per quanto riguarda l’integrazione degli ingegneri della qualità nei team di distribuzione del software Agile. Solo un terzo degli intervistati ha affermato che la maggior parte dei propri ingegneri della qualità partecipa a team Agile. Tuttavia, gli autori hanno suggerito che questa mancanza di partecipazione potrebbe non essere una cosa negativa.

"Ciò suggerisce un crescente riconoscimento della necessità di ingegneri della qualità che possano operare indipendentemente dai team Agile, contribuendo comunque agli obiettivi di qualità complessivi. In effetti, si prevede che il numero di ingegneri della qualità autonomi aumenterà dal 27% al 38%."

L'indagine ha suggerito che questo aumento di ingegneri di alta qualità potrebbe anche riflettere una tendenza alle competenze trasversali dei team Agile per affrontare la qualità e i test del software: "L'attenzione alle competenze trasversali per allineare più strettamente gli ingegneri della qualità con i team Agile sembra aver dato i suoi frutti I risultati del sondaggio di quest'anno mostrano che le organizzazioni hanno compiuto notevoli progressi nel miglioramento delle competenze dei propri team: solo il 16% degli intervistati ora considera la mancanza di competenze come un grave collo di bottiglia, un miglioramento significativo rispetto al 37% dell'anno scorso."

Tuttavia, nonostante questi progressi, la maggior parte dei dirigenti tecnologici afferma che non viene data sufficiente enfasi all’ingegneria di qualità. Più della metà (56%) ha affermato che la sfida è che "l'ingegneria della qualità non è vista come un'attività strategica nella nostra organizzazione". Una percentuale simile di intervistati concorda sul fatto che "il processo di ingegneria della qualità non è sufficientemente automatizzato" e che "gli ingegneri della qualità non hanno le competenze per supportare i progetti Agile".

L’ascesa dell’intelligenza artificiale generazionale e dell’intelligenza artificiale predittiva può offrire un approccio economicamente vantaggioso e semplificato per allineare gli sforzi di qualità e test con lo sviluppo e l’implementazione complessivi del software. Alcune delle raccomandazioni offerte dal team OpenText/Sogeti per portare avanti l'automazione e l'intelligenza artificiale negli sforzi di qualità del software includevano quanto segue:

• Adotta una visione a livello aziendale: delinea chiaramente "gli obiettivi e i risultati desiderati dell'automazione dell'ingegneria della qualità e preseleziona le aree in cui applicare, aumentare o migliorare l'automazione dei test".
• Inizia ora e continua a sperimentare: "Se non stai ancora esplorando o utilizzando attivamente le soluzioni Gen AI, è fondamentale iniziare ora per rimanere competitivo. Non affrettarti a impegnarti in una singola piattaforma o caso d'uso. Sperimentate invece più approcci per identificare quelli che forniscono i vantaggi più significativi."
• Sfrutta l'intera gamma di funzionalità della Gen AI: "La Gen AI va ben oltre la generazione di script di test automatizzati e aiuta nella realizzazione di sistemi di automazione dei test autoadattativi."
• Collegamento agli indicatori chiave di prestazione aziendale: "Identifica e sfrutta gli indicatori chiave di prestazione aziendale influenzati dall'automazione della progettazione della qualità, con una chiara attenzione ai risultati aziendali, come maggiore soddisfazione del cliente, riduzione dei costi delle operazioni aziendali e altri che sono rilevanti per l'azienda."
• Razionalizzare gli strumenti di automazione della progettazione della qualità: "Assicurati che i tuoi strumenti di automazione della progettazione della qualità siano semplificati e in grado di integrarsi con le tecnologie emergenti, come la generazione di intelligenza artificiale, per mantenere la compatibilità e la preparazione futura."
• Migliorare i talenti e i ruoli dell'ingegneria della qualità: "Incorpora più ingegneri della qualità e dello sviluppo software full-stack nei test per rafforzare le capacità del tuo team."
• Migliora, non sostituire: "Comprendi che la Gen AI non sostituirà i tuoi ingegneri della qualità ma migliorerà significativamente la loro produttività. Tuttavia, questi miglioramenti non saranno immediati; concedi tempo sufficiente affinché i vantaggi diventino evidenti ."

Sebbene l’intelligenza artificiale sia molto promettente come strumento di qualità e di test, lo studio afferma che ci sono “sfide significative nella convalida dei protocolli, dei modelli di intelligenza artificiale e della complessità della convalida di tutte le integrazioni. Attualmente, molte organizzazioni stanno lottando per implementare strategie di test complete che garantiscano copertura delle aree critiche Tuttavia, guardando al futuro, c’è una forte aspettativa che l’intelligenza artificiale svolgerà un ruolo fondamentale nell’affrontare queste sfide e nel migliorare l’efficacia delle attività di test in questo settore”.

Il punto chiave della ricerca è che l’ingegneria della qualità del software è in rapida evoluzione: “Una volta definita come test di software scritto da esseri umani, ora si è evoluta con codice generato dall’intelligenza artificiale”.

Come risultato di questa evoluzione, l'ingegneria della qualità vede un aumento del volume di codice e script di test da generare e ci sono nuovi requisiti per testare le catene di software da un capo all'altro.