全文共3015字，预计学习时长6分钟
尽管人工智能可以更快、更简单、更清晰地进行软件分析，发展前景巨大，但人力分析依然具有价值。或许有一天，新兴的人工智能技术会迫使软件测试员去别处寻找新工作，但也不必过于担心。
人工智能和机器学习的使用策略远未完善，各大公司仍面临很多挑战。但可以肯定的是：专业质保人员采用人工智能可以升级整个测试程序、强化测试者职业技能并促进企业发展。
人工智能集成会给测试者带来什么好处？
更高的精度
传统的测试依然需要人力进行源代码和数据分析。但必须要承认的是：就算是最有经验的质保工程师也可能会犯错，这没关系。由于数据过多，测试人员疏忽了软件的质保，遗漏了一些非常关键的漏洞。而消费者会在项目相关负责人之前发现这些漏洞。这种情况通常会损害其在市场上的品牌声誉和产品地位。
因此，人工智能和机器学习技术应运而生。他们教系统学习源代码分析，日后就可以用到所学知识。如此一来，人工智能测试机器就可以给出更精确的结果。用人工智能进行数据分析就能避免人为错误，减少测试用时，找到可能存在的漏洞。因此，质保团队就不用因数据量过大而超负荷工作。
质保工程师的新职责
人工智能测试是提高整个测试过程效率的一种很有前景的手段。由于人工智能接管了大部分测试任务，质保工程师就必须学习新的技能。与人工智能合作需要掌握人工智能测试、神经语言编程、数学优化、商业智能、算法分析等多种能力。
《世界质量报告》的专家们认为，尽管人工智能的应用实践已经十分成熟，但缺乏高素质的专业人员。因此，企业应该投资培养质保团队的专业技能。最近一期的《世界质量报告》指出了质保工程师的三个新职责：
人工智能测试专家
除了传统的测试技能外，质保工程师还需要构建机器学习算法、理解数学模型以及研究自然语言处理范式。
人工智能质保战略家
这一团队主要处理人工智能在业务流程中发挥的作用。广泛理解数据流、数学优化和机器人技术后，质保工程师可以在整个业务周期中运用人工智能质保手段。
数据科学家
作为质保团队的一份子，分析员过滤数据、统计数据并进行预测分析，为基于人工智能的质保策略构建必要模型。
有人预测，质保工程师将转型为测试自动化团队。他们将扮演监督角色，教人工智能执行一系列测试。软件测试帮助（software testing help）的创始人维杰•辛德认为，人工智能可以接管近70%的重复测试空间。无论任何，人类必须控制测试结果，将重心放到剩下30%的测试中，例如关于用户场景的测试。此外，测试经理仍需负责工具使用、工作流建模和环境设置。虽然人工智能是运行重复测试的智能助手，但质保工程师仍需负责监控进度、考虑测试计划、控制质保策略与目标。
预测分析
《世界质量报告》还预计，64%的公司会把人工智能引入质保策略，改进客户流程。信息技术领域的市场需求持续增长，各大企业都需要找到一种方法预测客户需求并超越竞争对手。对于软件测试公司来说，这是一项艰难的预测分析工作。人工智能和机器学习可以快速分析客户数据，获得他们对新产品和功能的偏好。
测试中的机器学习
机器学习是一种基于模式识别的技术。这些算法用于分析信息特点、识别预测模式。由于机器学习无需用户界面进行测试，因此改变了自动化测试方法。很多自动化质保都是以后端系统为中心的过程。
用户界面测试
在处理终端用户体验时，使用机器学习程序大有帮助。现在，大多数应用程序在设计、功能或界面上都有类似模式。例如，你可以在在线商店中轻松发现购物车、产品筛选器和付款窗口。机器人程序可以接受特定软件领域的训练，运行测试用例而不局限于回归测试。使用视觉验证工具进行基于图像的测试是机器学习识别的一种流行模式。质保工程师可以创建一个简单的机器学习测试，自动检测软件中的视觉缺陷。
应用程序编程接口（APIs）
机器学习测试可以有效检查API层。机器学习算法接管了测试脚本的分析，因此测试人员不会为大量的API调用所困扰。
战略导向
质保工程师往往会因为代码的一些小变动而运行整个测试套件。机器学习工具可以确定检查代码修改相关性所需运行的最少测试数。机器学习还可以分析易受攻击的软件区域和当前的测试覆盖率。
当前挑战
虽然人工智能似乎是未来质保领域的基石，但要实现这一点并不容易。在软件测试中，一系列的困难阻碍了人工智能的应用。
越来越大的数据
处理非结构化数据需要人力资源和资金的额外支持。如今，企业几乎无法处理繁重的数据分析，也无法继续使用机器人或认知平台。
人工智能集成
目前，各大公司尚未确定人工智能有助于改进哪些业务领域。另外，大多数质保公司都未发现接触人工智能技术的途径。质保团队首先需要构建专业知识，适应人工智能与业务周期。
缺乏人工智能知识
如前所述，智能测试拓宽了测试人员的技能和专业知识。知识鸿沟迟早会得到填补。2019年，随着越来越多公司尝试“智能质保”，对合格专业人员的需求将大为增加。
人工智能驱动的测试自动化工具
当然，人工智能的出现不可避免。不管怎么假设，我们都相信人工智能还需很久才能接管整个测试流程。今天，由于创新型的人工智能自动化测试方案，很多商业和质保工程师都在谈论所谓的“第三波测试自动化”。让我们看看其中一些工具：
Eggplant AI.
https://eggplant.io/products/dai/eggplant-ai
此版本使用智能算法来引导软件、预测缺陷，并用高级数据关联解决问题。它支持自动化任何自动测试引擎，提供测试覆盖率和结果分析图形。
Appvance.
https://www.appvance.ai/
该工具通过机器学习对软件进行深入分析，并使用认知生成技术生成“应用蓝图”模型。蓝图可以在几分钟内生成大量测试用例。除人工智能技术，Appvance还包含了Test Designer（一种记录和回放功能）。Test Designer结合了数据驱动测试、屏幕截图比较和DOM/AJAX自动捕获功能。
Applitools.
https://applitools.com/
是一款由人工智能驱动的可视化测试工具。智能认知视觉有助于勾勒出应用程序的预期设计。Applitools提供了一种视觉比较算法，用于检测和报告在应用程序的用户界面中发现的任何差异。
该工具擅长运行自动测试，可以在几分钟内发现数千个接口不一致的情况。
Test. ai.
https://test.ai/
该工具识别软件的屏幕和要素，并驱动应用程序执行测试用例。它也可以根据要素变化进行调整，甚至可以识别需要手动更正的部分。
Testsigma.
https://testsigma.com/ai-driven-test-automation
是用于连续自动化测试的人工智能驱动工具。它使用自然语言测试处理编写高质量的自动测试。Testsigma可以识别测试运行中的相关测试用例，防止测试意外失败。
有了人工智能，软件测试团队可以超越传统手工测试模型，逐步走向自动化和基于精度的连续测试流程。质保专家也必须将人工智能机器程序视为有用的附加组件，减少工作负担，让测试人员工作更轻松。
留言 点赞 发个朋友圈
我们一起分享AI学习与发展的干货
如需，请后台留言，遵守规范
