AI /自动化

利用AI质量保证

谈到数字转型时，大多数企业涉及客户亚博比分直播体验，效率，灵活性和盈利能力的愿景，涉及现代化基础设施，流程和应用。质量保证（QA）通常是事后的想法。

但是，每个数字程序都总是在敏捷开发框架或Devops上运行，并转化为较短的释放周期，额外的压力在更短的时间范围内提供质量代码。为帮助这一点，组织计划在Devops侧的额外控制并俯瞰质量保证策略。有必要改变质量保证在组织中运营的方式。广泛地有两个驱动力 - 在测试的方式（持续质量保证）和更快的市场时间来看，敏捷力。对于QA团队与敏捷发展模式保持同步，传统的测试自动化不再足够，使人工智能在测试自动化中成为必然。

测试组织被迫围绕自动化创新新的和新兴的技术解决方案。

QA自动化有助于更好的业务

质量保证的自动化已经存在很多年了。然而，自动化带来的好处还不足以让企业对此刮目相看。

在第一代自动化中，重点主要是基于ui并以回归为中心。其目标是构建一个框架，使用商业工具加速自动化。自动化发展到包括关键字驱动、数据驱动以及后来的业务流程驱动框架，为客户端节省了大量成本。但节省的资金主要限于回归，对业务没有多大影响。

下一波自动化包括了API /中间件自动化、测试数据自动化等形式的业务功能方面。这确实将自动化的价值带入了测试活动，特别是测试执行。重点从基于ui的自动化转移到对效率和上市时间产生影响的多层/多堆栈自动化。

随着对持续测试的关注的增加，自动化的浪潮正在进一步发展。测试驱动设计(TDD)和行为驱动设计(BDD)正在迫使集成自动化解决方案加入主流，而不仅仅局限于测试人员。处于单元测试(UT)阶段的开发人员或处于用户验收测试(UAT)阶段的业务人员也使用这些自动化脚本来测试功能并节省时间。测试也已经从黑盒(功能测试)扩展到白盒(测试系统的内部透视图)，从而更好地控制代码的质量。

测试执行阶段的自动化随着开源自动化解决方案的广泛采用、敏捷和持续测试、围绕数字/移动测试的第三方系统集成和解决方案的进一步发展。

测试自动化的趋势

有了业务流程模型和可重用测试资产的可用性，自动化在测试计划阶段也是可能的。这不仅提高了生产力，还有助于发现新的知识和经验。的Infosys业务保证商店是一个如此庞大的1M +测试案例存储库，帮助客户利用我们过去在类似方案工作的过去的经验。

将人工智能引入质量保证

AI-LED认知自动化解决方案（智能自动化）将最佳自动化方法与AI相结合，并帮助带来卓越的结果。重点是三维 - 消除测试覆盖重叠，优化具有更可预测的测试的努力，最后从缺陷检测到防止缺陷。今天，组织具有更好的机器学习算法，用于模式分析和处理大量数据，导致更好的运行时间决策。例如，在软件升级期间，机器学习算法可以遍历代码以检测功能的关键变化，并将它们链接到要求以识别测试用例。这有助于优化测试并防止在可能导致故障的热点上制定决策。Infosys Pandit是一个如此基于AI的测试平台，帮助我们的客户提高了灵活性和可预测性，同时通过集成AI在测试中优化测试中的努力。

RPA & Robotics解决方案(bots)通常被用于各种自动化需求，这些需求超出了传统的测试活动。组织正在构建机器人作为测试人员，在ATM、移动设备等物理设备上执行测试。这些机器人可以在远程位置进行编程和控制，减少了对协同定位的需求。

未来的解决方案将利用深度学习的基础知识，建立一个真正自主的测试方法。像自动驾驶汽车一样，自动驾驶技术将通过系统学习来帮助生成它们自己的测试脚本。Infosys Deep Assurance是一种自主测试解决方案，将深度学习的力量引入QA。这种开创性的解决方案能够在没有任何文档化的测试用例或人工干预的情况下自学和测试应用程序，使其真正实现自主和智能。

我们正在开拓一种策略，将AI应用于QA，而不是通过自主技术进行测试优化、故障预测和预防。这种方法将导致整体测试工作的巨大减少，同时也减少了对人类的依赖。其内置的智能和自学习能力使其成为识别测试关键路径和提高测试精度的卓越解决方案。

自治的工作流

通常，大多数大型遗留企业在其核心IT系统上都有巨大的投资，这些系统需要大量的测试。据估计，在一个典型的企业中，测试的成本大约是支持总成本的14%到22%。挑战是要在测试的花费水平和故障发生率之间取得平衡。

有了智能自动化解决方案，组织可以重振其核心业务，让每位员工在日常工作中更有生产力，推动最佳价值和效率。