Может ли помощь ИИ с ChatGPT повысить эффективность автоматизации тестирования программного обеспечения?

В последние годы стремительное развитие Искусственного Интеллекта, в частности Больших Языковых Моделей (LLM), открыло новую эру эффективности в решении проблем. Одна из заметных областей, где LLM оказывают значительное влияние, — это автоматизация тестирования программного обеспечения, устраняющая устойчивые проблемы, с которыми сталкиваются команды разработки программного обеспечения. 

Давайте исследуем, как ИИ, в частности ChatGPT, используется в качестве помощника инженерами по обеспечению качества (QA), позволяя им оптимизировать процессы автоматизации тестирования программного обеспечения и преодолевать препятствия, связанные с долгом автоматизации тестирования.

Решение проблемы технического долга в тестовой автоматизации

Команды разработки программного обеспечения часто сталкиваются с «долгом тестовой автоматизации» — ситуацией, при которой недостаточная автоматизация тест-кейсов затрудняет жизненный цикл разработки ПО (SDLC). В результате значительная часть времени команды обеспечения качества тратится на ручную проверку и создание тест-кейсов, что в конечном итоге замедляет скорость выпуска продуктов инженерной командой. Этому проблеме способствуют несколько ключевых факторов:

1. Отсутствие опыта автоматизации: Команды QA могут не обладать необходимой экспертизой для написания масштабируемого кода для автоматизации. Этот пробел в знаниях может затруднить переход к автоматизированному тестированию.

2. Высокая стоимость начала автоматизации: Начало усилий по автоматизации может быть ресурсоемким, требуя значительных ресурсов от руководства инженерии и QA. Наличие значительного бэклога тестовых случаев, ожидающих автоматизации, усугубляет эту проблему.

3. Плохая документация и обслуживание: Недостаточная документация тестовых случаев и отсутствие надлежащего обслуживания регрессионных и санитариных наборов способствуют неэффективности тестирования. Поскольку продуктовые компании сосредоточены преимущественно на разработке функций, стабильность и качество программного обеспечения могут пострадать.

4. Предпочтение человеческой оценки: В некоторых случаях предпочтительна человеческая оценка тестовых случаев вместо машинной, что приводит к более медленным процессам тестирования.

Хотя решение каждой из этих проблем требует отдельного внимания, здесь мы сосредоточимся на том, как инженеры по обеспечению качества могут использовать ChatGPT или большие языковые модели (LLM) в качестве со-пилотов для автоматизации тестирования на основе поведения (BDD).

Использование GPT3.5 для BDD и его автоматизации

Разработка на основе поведения (BDD) — это методология гибкой разработки программного обеспечения, ориентированная на документирование и проектирование приложений на основе ожидаемого пользователями поведения во время взаимодействия. Автоматизация этого процесса устраняет необходимость вмешательства человека, однако команды QA часто сталкиваются с трудностями при достижении этой автоматизации. Здесь мы рассмотрим, как можно использовать возможности больших языковых моделей (LLM) для ускорения автоматизации BDD.

Этапы рабочего процесса

Инженеры по обеспечению качества могут дообучить модель ChatGPT для генерации соответствующего кода автоматизации на основе предоставленного HTML-кода и шагов. Результатом является фрагмент кода в виде определений шагов, готовый к использованию командами QA.

После дообучения ChatGPT запрашивает соответствующие HTML-данные и шаги, которые служат основой для автоматизации. Этот ввод позволяет ChatGPT генерировать определения шагов, адаптированные под конкретную задачу.

На основе предоставленных HTML-данных и шагов ChatGPT понимает структуру DOM и запрашивает у пользователей соответствующий синтаксис. Итоговый результат — файл определений шагов для указанного сценария, который инженеры QA могут включить в свой фреймворк после краткой проверки качества.

Повышение продуктивности с помощью ИИ-ассистентов

Развитие технологий искусственного интеллекта и появление моделей-со-пилотов меняют подход к человеческой продуктивности, беря на себя рутинные задачи и позволяя людям сосредоточиться на более инновационных аспектах работы. Хотя эти технологии служат ценными помощниками, важно помнить, что человеческий интеллект остается центральным элементом. Подобно тому, как команды в сфере технологий, маркетинга, продаж и работы с клиентами используют возможности больших языковых моделей (LLM) в своих рабочих процессах, инженеры QA также могут повысить свою продуктивность. Принимая ChatGPT в качестве со-пилота, специалисты по обеспечению качества могут ускорить свою работу, гарантируя качество и стабильность программного обеспечения, при этом позволяя человеческому творчеству проявляться в полной мере.

Использование ИИ, в частности ChatGPT, для автоматизации тестирования программного обеспечения предлагает практическое решение проблемы долга автоматизации тестирования и позволяет инженерам QA эффективно внедрять поведенческое тестирование (BDD). По мере того как мир разработки программного обеспечения продолжает развиваться, партнерство между людьми и ИИ призвано вывести инновации и качество на новые высоты в сфере тестирования программного обеспечения и за ее пределами.