共计 1889 个字符，预计需要花费 5 分钟才能阅读完成。
在当今以软件为核心的组织中，全面的质量工程和测试是不可或缺的。生成式人工智能（Gen AI）正逐渐成为软件开发生命周期中质量和测试阶段的重要组成部分。
然而，软件测试自动化的成功关键在于组织的支持和资源的投入。正如管理大师彼得·德鲁克所言，文化在软件质量战略中起着决定性作用。
一项涉及 1,755 名科技高管的研究表明，尽管关于哪些质量工程和测试活动将从 Gen AI 中受益最多的争论仍在继续，但越来越多的关注点在于利用 Gen AI 进行测试报告和数据生成，而非测试用例的创建。
人工智能为解决软件质量问题提供了新的途径。自第一台计算机问世以来，软件质量一直是一个挑战，而在技术网络和解决方案充斥的世界中，这一问题变得更加复杂。Gen AI 正在成为管理质量的重要工具。
调查显示，约七成的组织（68%）正在使用 Gen AI 协助其软件质量工作。至少 29% 的组织已将 Gen AI 完全整合到其测试自动化流程中，而 42% 的组织正在探索其潜力。
研究还指出，云原生技术和机器人流程自动化，以及 Gen AI 和预测性 AI 在新兴的测试自动化领域中扮演着重要角色。云原生技术因其成本效益和无需工具许可证的特点，吸引了众多组织。
结论是，AI 代表了质量保证和测试流程自动化的下一阶段。OpenText 的调查团队强调，需要将质量工程指标与业务成果对齐，并展示质量举措的战略价值，以推动有意义的变革。
在过去 12 个月中，对 AI 的态度发生了显著变化。大量组织正在从实验转向实际规模的 Gen AI 实施，以支持质量工程活动。大型语言模型和 AI 工具的演进，使得它们能够无缝集成到现有的软件开发生命周期中，为质量工程自动化带来了新的效率和创新。
然而，将 AI 作为软件质量保证工具使用也面临挑战。至少 61% 的受访者担心利用生成式 AI 解决方案时可能发生的数据泄露。缺乏全面的测试自动化策略和对遗留系统的依赖，分别被 57% 和 64% 的受访者认为是推进自动化工作的关键障碍。
对于将质量工程师嵌入敏捷软件交付团队的情况，结果参差不齐。只有三分之一的受访者表示，大多数质量工程师参与了敏捷团队。然而，这种缺乏参与可能并非坏事，表明对独立质量工程师的需求日益增长。
高质量工程师的增加可能反映了敏捷团队跨技能培训的趋势，以解决软件质量和测试问题。专注于跨技能培训，使质量工程师更紧密地与敏捷团队对齐，似乎已经取得了成效。
尽管取得了这些进展，大多数科技高管表示，对质量工程的重视还不够。超过一半（56%）的受访者表示，挑战在于“质量工程在我们的组织中未被视为战略活动”。相似比例的受访者同意“质量工程流程自动化不足”，以及“质量工程师缺乏支持敏捷项目的技能”。
Gen AI 和预测性 AI 的兴起可能提供了一种成本效益高且简化的方法，将质量测试工作与整体软件开发和部署对齐。OpenText/Sogeti 团队为推进自动化和 AI 在软件质量工作中的应用提出了以下建议：
- ** 采取企业级视角：** 明确概述“质量工程自动化和预选应用领域、增加或增强测试自动化的目标和期望成果”。
- ** 立即开始并持续实验：**“如果你尚未探索或积极使用 Gen AI 解决方案，现在开始至关重要，以保持竞争力。不要急于承诺单一平台或用例，而是通过多种方法进行实验，以识别提供最大效益的方法。”
- ** 利用 Gen AI 的全部能力：**“Gen AI 远不止于生成自动化测试脚本，还帮助实现自适应测试自动化系统。”
- ** 结合业务关键绩效指标：**“识别并利用受质量工程自动化影响的关键业务绩效指标，明确关注业务成果，如提高客户满意度、降低业务运营成本等与业务相关的指标。”
- ** 合理化质量工程自动化工具：**“确保你的质量工程自动化工具精简且能够与新兴技术（如 Gen AI）集成，以保持兼容性和未来准备性。”
- ** 增强质量工程人才和角色：**“在测试中纳入更多全栈质量与软件开发工程师，以增强团队能力。”
- ** 增强而非替代：**“理解 Gen AI 不会取代你的质量工程师，但会显著提高他们的生产力。然而，这些改进不会立即显现；给予足够的时间让效益变得明显。”
尽管 AI 作为质量和测试工具提供了巨大的潜力，但在验证协议、AI 模型以及所有集成的复杂性验证方面存在重大挑战。目前，许多组织在实施确保关键领域优化覆盖的全面测试策略方面遇到困难。然而，展望未来，人们强烈期望 AI 将在解决这些挑战和提高该领域测试活动的有效性方面发挥关键作用。
研究的关键要点是，软件质量工程正在迅速演变：“曾经被定义为测试人类编写的软件，现在随着 AI 生成的代码而演变。”由于这一演变，质量工程正在看到需要生成的代码和测试脚本数量增加，并且对从端到端测试软件链提出了新的要求。
