L'uso dell'intelligenza artificiale (AI) nell'automazione dei test è l'ultima tendenza nell'ambito della garanzia della qualità. I test in generale e l'automazione dei test in particolare sembrano essere stati colpiti dal problema del “con l'AI è tutto meglio”.
Dato che l'AI, l'apprendimento automatico e le reti neurali sono l'argomento più in voga del momento, era forse inevitabile che l'AI trovasse in qualche modo la sua strada nell'automazione dei test.
Un po' di storia dell'automazione dei test
Ricordo un periodo di diversi anni fa, quando l'automazione dei test era ancora una novità e uno dei miei team addetti alla garanzia della qualità lavorava a un progetto per un grande cliente. Si trattava di un'applicazione mobile con milioni di utenti e cicli di rilascio mensili. Il team addetto alla garanzia della qualità era solitamente tranquillo durante le prime due settimane del ciclo e lavorava freneticamente nel periodo successivo, fino al rilascio: uno degli effetti collaterali peculiari dello sviluppo software agile di cui non si legge nei titoli dei giornali!
Alla fine, uno dei responsabili della garanzia della qualità, stufo di stare con le mani in mano durante le due settimane più tranquille, iniziò a lavorare a un framework per l'automazione dei test. Scrisse alcuni script di test in Ruby con Selenium / Appium e Jenkins per una pipeline rudimentale, includendo alcuni bei report con indicatori rossi, gialli e verdi per indicare il fallimento o il superamento dei test.
Riuscì a farlo per un paio di cicli di rilascio. Fu allora che lo presentammo al nostro responsabile della qualità, che lo propose ai nostri clienti e li entusiasmò abbastanza da convincerli a pagare per i test automatizzati come sottoprogetto. Eravamo al settimo cielo, all'avanguardia assoluta!
Nel giro di pochi mesi, tuttavia, essere all'avanguardia assunse un nuovo significato, quando scoprimmo quella verità fondamentale sull'automazione dei test con cui ogni ingegnere dell'automazione della qualità degno di questo nome deve fare i conti ancora oggi:
Perché lo dico? Perché ben presto ci sentivamo come Alice nella Terra di Mordor, costretti a correre come pazzi insieme alla Regina Rossa:
Avevamo appena scoperto la dura realtà della trappola dell'automazione dei test: uno dei nostri ingegneri della qualità doveva mantenere aggiornata la suite di automazione insieme all'applicazione quasi a ogni ciclo di rilascio, perché le modifiche arrivavano numerose e rapidamente!
Bastava modificare il nome di un campo e i nostri test software automatizzati finivano nel proverbiale tunnel senza uscita. L'inizio di un nuovo rilascio era particolarmente problematico, poiché il team di sviluppo software apportava una quantità enorme di nuove aggiunte.
L'automazione dei test da allora non è cambiata fondamentalmente, perché richiede ancora monitoraggio e manutenzione continui. Qualsiasi possibilità di miglioramento radicale dell'approccio e dell'implementazione è emersa soltanto con i recenti progressi nelle capacità dell'AI.
Il clamore sull'AI e la realtà
La tecnologia AI nella sua forma attuale consiste soprattutto nell'utilizzare algoritmi di apprendimento automatico per addestrare modelli con volumi di dati piuttosto grandi e poi utilizzare i modelli addestrati per fare previsioni o generare un output desiderato. Quasi tutto ciò che riguarda l'AI rientra in questa descrizione, lo ammettiamo, eccessivamente semplificata. Per quanto ci riguarda, però, la domanda principale è:
L'AI sarà davvero in grado di aiutare a generare e aggiornare automaticamente i casi di test? Individuare gli errori? Migliorare la copertura del codice?
La risposta a questa domanda è tutt'altro che chiara al momento, perché ci troviamo al culmine del ciclo del clamore sull'AI. Un settore specifico, l'apprendimento profondo, ha alimentato gran parte di questo entusiasmo.
Ciò che trovo più interessante in questo grafico è questo:
Se Siri dovrebbe aver superato la curva del clamore, allora siamo ancora molto lontani dal Kansas, Dorothy!
Voglio dire, conosco molte persone che devono ripetersi per fare in modo che Siri capisca ciò che stanno dicendo (senza offesa, fan di Siri. Davvero 😉).
La curva dell'entusiasmo ci dice che c'è molta eccitazione riguardo al potenziale dell'IA, che si raffredda prima che tutti entrino nella modalità ordinaria e quotidiana del business. In termini semplici, ciò che il grafico sofisticato di Gartner sta dicendo è questo:
Tuttavia, sebbene siamo ancora molto lontani da la singolarità, l'IA nella sua forma attuale ha comunque il potenziale per migliorare significativamente l'automazione dei test.
In che modo l'apprendimento automatico produce test automatizzati?
- Addestramento: nella fase di addestramento, il modello di apprendimento automatico deve essere addestrato su un set di dati organizzativo specifico, che includa la base di codice, l'interfaccia dell'applicazione, i log, i casi di test e persino i documenti di specifica. Non disporre di un set di dati di addestramento sufficientemente ampio può ridurre l'efficacia dell'algoritmo.
Alcuni strumenti dispongono di modelli preaddestrati che vengono aggiornati attraverso l'apprendimento continuo per applicazioni specifiche, come i test dell'interfaccia utente, in modo da poter utilizzare l'apprendimento generalizzato in una specifica organizzazione. - Generazione dell'output / del risultato: a seconda del caso d'uso, il modello genera casi di test, verifica la copertura del codice, la completezza e l'accuratezza dei casi di test esistenti e persino esegue test. In ogni caso, un tester deve verificare l'output generato per convalidarlo e assicurarsi che sia utilizzabile.
Se usiamo l'analogia delle auto a guida autonoma, i risultati sono più simili a un'assistenza alla guida che a un'auto realmente senza conducente. - Miglioramento continuo: man mano che un'organizzazione continua a utilizzare regolarmente lo strumento, i dati di addestramento aumentano, incrementando potenzialmente l'accuratezza e l'efficacia delle reti addestrate esistenti. In breve, il sistema di IA continua ad apprendere e migliorare.
Gli algoritmi di apprendimento automatico stanno rivoluzionando l'automazione dei test. Per trovare strumenti che incorporano questi algoritmi avanzati, consulta la nostra guida ai migliori strumenti per il testing del software
Applicazioni dell'IA nell'automazione dei test
Esaminiamo più da vicino alcune applicazioni dell'IA nell'automazione dei test, tra cui il test delle unità, il test dell'interfaccia utente, il test delle API e la manutenzione di una suite di test automatizzati.
Have an account? Log In
Creazione e aggiornamento dei test delle unità
Il test delle unità, spesso utilizzato nell'ambito del test continuo e dell'integrazione continua / distribuzione continua (CI / CD) in DevOps, può essere una vera seccatura nella… cintura degli asteroidi.
In genere, gli sviluppatori dedicano molto tempo alla scrittura e alla manutenzione dei test delle unità, attività che è ben lontana dall'essere divertente quanto scrivere il codice dell'applicazione. In questo caso, i prodotti basati sull'IA per la creazione automatizzata dei test delle unità possono essere utili, soprattutto per le organizzazioni che intendono introdurre i test delle unità in una fase avanzata del ciclo di vita del prodotto.
Vantaggi:
- I test automatizzati delle unità basati sull'IA rappresentano un notevole passo avanti rispetto alla generazione automatizzata di test delle unità basata su modelli e che utilizza l'analisi statica o dinamica. I test così generati sono codice reale, non semplici stub.
- I test delle unità basati sull'IA possono essere generati molto rapidamente, il che è utile per una base di codice esistente di grandi dimensioni.
- Gli sviluppatori devono solo modificare i test e possono configurare la suite di regressione delle unità in tempi relativamente brevi.
Limitazioni:
- I test delle unità generati dall'IA si limitano a rispecchiare il codice su cui sono costruiti. Al momento non sono in grado di intuire la funzionalità prevista del codice. Se il codice non si comporta come previsto, il test delle unità generato per quel codice rifletterà tale comportamento indesiderato.
Questo è uno svantaggio significativo, perché l'obiettivo principale dei test delle unità è far rispettare e verificare un contratto implicito o esplicito. - I test delle unità generati utilizzando l'apprendimento automatico possono compromettere i test delle unità esistenti e funzionanti; spetta a uno sviluppatore assicurarsi che ciò non accada.
- Gli sviluppatori devono scrivere autonomamente i test per la logica aziendale complessa.
Test automatizzato dell'interfaccia utente
Questa è un'area in cui l'IA sta iniziando a brillare. Nei test dell'interfaccia utente basati sull'IA, gli strumenti di automazione dei test analizzano il DOM e il codice correlato per determinare le proprietà degli oggetti. Utilizzano inoltre tecniche di riconoscimento delle immagini per navigare nell'applicazione e verificare visivamente gli oggetti e gli elementi dell'interfaccia utente, così da creare test dell'interfaccia utente.
Inoltre, i sistemi di test basati sull'IA utilizzano test esplorativi per trovare bug o variazioni nell'interfaccia utente dell'applicazione e generano schermate per una successiva verifica da parte di un ingegnere QA. Allo stesso modo, è possibile verificare gli aspetti visivi del sistema sottoposto a test (SUT), come layout, dimensioni e colore.
Vantaggi:
- I test automatizzati dell'interfaccia utente possono portare a una maggiore copertura del codice.
- Piccole variazioni nell'interfaccia utente non causano il fallimento della suite di test. I modelli di IA del prodotto sono in grado di gestirle.
Limitazioni:
- Per qualsiasi applicazione moderna, il numero di piattaforme, versioni dell'app e versioni dei browser è elevato. Non è chiaro quanto bene si comporti l'automazione dell'interfaccia utente basata sull'IA in queste condizioni. Tuttavia, gli strumenti di test nel cloud possono eseguire i test in parallelo, quindi sarà interessante seguire l'evoluzione di questo settore!
Utilizzare l'IA per supportare i test delle API
Anche senza IA, automatizzare i test delle API è un'attività non banale, poiché richiede la comprensione dell'API e la successiva configurazione di test per una moltitudine di scenari, così da garantire un'adeguata profondità e ampiezza della copertura.
Gli attuali strumenti di automazione dei test delle API, come Tricentis e SoapUI, registrano le attività e il traffico delle API per analizzarli e creare test. Tuttavia, modificare e aggiornare i test richiede che i tester esaminino nei minimi dettagli le chiamate REST e i parametri, per poi aggiornare la suite di test delle API.
Gli strumenti di automazione dei test delle API basati sull'IA tentano di mitigare questo problema esaminando il traffico e identificando schemi e connessioni tra le chiamate API, raggruppandole di fatto per scenario. Gli strumenti utilizzano inoltre i test esistenti per apprendere le relazioni tra le API, sfruttarle per comprendere le modifiche alle API e aggiornare i test esistenti o creare nuovi test basati su scenari.
Vantaggi:
- Per i tester alle prime armi o privi di esperienza di programmazione, questo potrebbe essere davvero utile per consentire loro di “partire con il piede giusto”.
Ancora una volta, la gestione delle modifiche sarebbe significativamente più semplice, dato che almeno alcune delle modifiche alle API possono essere gestite da uno strumento di automazione basato sull'IA.
Limitazioni:
- In generale, configurare i test delle API è difficile e non sono molti gli strumenti che offrono funzionalità basate sull'apprendimento automatico in questo ambito. Quelli che le offrono sembrano avere capacità piuttosto rudimentali.
Manutenzione dei test automatizzati
Gli strumenti basati sull'IA possono valutare le modifiche al codice e correggere diversi test esistenti che non sono in linea con tali modifiche, soprattutto se queste ultime non sono troppo complesse. Gli aggiornamenti agli elementi dell'interfaccia utente, ai nomi dei campi e simili non devono più causare il malfunzionamento della suite di test.
Alcuni strumenti di IA monitorano i test in esecuzione e provano varianti modificate per i test non riusciti, scegliendo gli elementi dell'interfaccia utente sulla base della corrispondenza migliore. Possono inoltre verificare la copertura dei test e colmare le lacune, se necessario.
More Articles
- I 10 migliori strumenti di automazione dei test basati sull’IA recensiti nel 2026
- I 10 migliori strumenti di test del software con IA recensiti nel 2026
- I 10 migliori strumenti per i test automatizzati recensiti per il 2026
- 10 migliori strumenti di automazione QA per i test del software nel 2026
- I 10 migliori strumenti per il testing delle applicazioni web recensiti per il 2026
Generazione dei dati di test basata sull'IA
La generazione dei dati di test è un'altra area promettente per i modelli di IA. L'apprendimento automatico può generare facilmente set di dati, come fotografie e informazioni del profilo personale quali età e peso, sulla base di modelli di apprendimento automatico addestrati con set di dati di produzione esistenti da cui apprendere.
In questo modo, i dati di test generati sono molto simili ai dati di produzione, il che è ideale per l'utilizzo nei test del software. Il modello di apprendimento automatico che genera i dati è chiamato rete generativa avversaria (GAN).
Strumenti di automazione dei test che utilizzano l'apprendimento automatico
Dai un'occhiata agli strumenti qui sopra se stai cercando software che utilizzi l'apprendimento automatico per eseguire e monitorare test automatizzati. Molti includono opzioni open source o senza codice per soddisfare le esigenze del tuo team di test.
Conclusione
L'intelligenza artificiale ha avuto un impatto significativo sugli strumenti e sui metodi di testing, e in particolare sull'automazione dei test. Una panoramica degli strumenti attuali che promettono di utilizzare l'IA mostra che, sebbene vengano aggiunte molte nuove funzionalità, diverse di queste sono ancora in fase di maturazione.
Se hai trovato utile questo articolo, iscriviti alla newsletter di The QA Lead e rimani aggiornato su tutte le ultime novità nel mondo del testing.
