测试自动化中的AI
人工智能和机器学习是当今最热门的技术流行词汇。在数字化转型的最前沿，人工智能已经开始彻底改变众多行业。随着这项技术变得越来越复杂，分配给机器的任务只会继续增长。这为更高的工作效率，速度和准确性打开了大门。
然而，对于手动测试人员而言，许多人在听到AI一词时候感受到怀疑和忧虑的。许多软件测试人员并不认为当今的机器学习技术还不够先进，无法实现宣传。与测试自动化类似，AI被作为对软件测试中出现的各种问题的全面解决方案来支撑。最糟糕的是，其他测试人员认为，人工智能是另一种威胁要从事工作的技术现象。正如人们（错误地）认为测试自动化将使手动测试过时一样，许多人担心AI正在开始类似的趋势。
在解决AI是否将取代测试人员这一广泛问题时，重要的是首先查看将机器学习技术集成到其平台中的测试自动化工具。这篇文章将对测试自动化中的AI进行更深入的研究，并提供有关如何在这种新技术时代保持最新状态的提示。
AI正在努力实现的目标
与普遍的看法相反，机器学习技术不能取代整个测试自动化过程。与测试自动化本身类似，人工智能在软件开发生命周期中也有自己的时间和位置。就像没有100％自动化之类的东西一样，也没有诸如基于100％AI的测试自动化之类的东西。
测试自动化工具可以使用多种方法来使用基于AI的技术，但是许多方法都着眼于实现一个目标：让测试人员摆脱软件测试中更加常规，重复和容易出错的方面。测试自动化工具已确定可以产生积极影响的一个领域是帮助减少测试自动化维护。
测试维护和机器学习
测试维护被认为是运行自动化测试的最大成本之一。在对测试人员进行的最新调查中，其中50％的人表示测试维护是他们所遭受的最大瓶颈。在测试维护上花费太多时间也会影响这些测试人员提到的其他瓶颈，例如增加覆盖范围和保持敏捷环境。
如今，有一些测试自动化供应商正在使用AI来解决这一测试维护问题。机器学习技术具有自我修复的功能，可以自动克服应用程序中的更改，而无需任何人工干预。使用机器学习进行测试维护，测试人员不再需要手动输入代码，识别发生的更改并相应地更新测试流程。相反，测试变得更有弹性，减少了进行正确测试维护所需的时间和资源。这也会产生积极的连锁反应，从而有更多时间专注于这些测试人员面临的其他重要瓶颈。
基于AI的测试自动化工具远没有接管测试人员的工作，而是在寻找使测试人员的工作更轻松。通过解决测试自动化（例如测试维护）中出现的重大瓶颈，测试人员可以将更多的时间花费在探索性测试上面，从而可以更广泛，更深入地开始测试。
如何利用基于AI的测试工具
在了解了AI测试自动化工具带来的一些好处之后，测试人员可以通过一些聪明的方法在这个新技术时代保持相关性。以下是一些选择：
确定需求痛点
利用基于AI的测试自动化的第一种方法是确定AI如何影响您的特定测试环境。如前所述，测试自动化工具使用AI来简化各种功能。尽管某些工具专注于测试维护，而其他工具则专注于将AI添加到围绕测试的活动中，例如仪表板或分析。就像在购买测试自动化工具时了解用例很重要一样，对它们的机器学习功能进行同样的考虑也很重要。
紧跟AI测试趋势
在AI时代保持测试自动化相关性的另一种好方法是，优先考虑了解该领域中出现的新趋势。就技术的成熟度而言，人工智能还处于相当年轻的阶段，并且公司会定期弄清楚如何以各种不同的方式来利用该技术。
与其他参与软件开发的团队相比，手动测试人员的一个主要优势是其广泛的业务知识水平。结合最新的技术知识，测试人员将拥有更加独特的视角，可以帮助他们站在公司未来发展的最前沿。
对结果负责
最后，测试人员必须对这些AI测试工具负责。尽管供应商声称其机器学习功能将使测试人员的生活更轻松，但重要的是要求提供相关数据以支持此操作。要求的重要指标是工具的准确率和错误分类率。简而言之，测试人员应询问其准确完成任务的频率，以及不成功或产生误报的频率。
测试自动化中的AI并非障碍，而是机遇
回到本文最初提出的问题，关于AI正在取代人工测试人员的观点离事实还很遥远。相反，在测试自动化工具中发现的机器学习实际上可以帮助测试人员更好地实现他们的测试自动化目标。只有时间能证明AI技术将如何发展并进一步影响行业，可以类比自动化测试对行业的影响。
- 公众号FunTester首发，更多原创文章：FunTester410+原创文章，欢迎关注、交流，禁止第三方擅自转载。