Simplemente SÍ!
La inteligencia artificial está llegando para todo (al menos para muchos). La razón detrás del inmenso éxito de la IA (y ML, DM y otras áreas bajo la IA) es la capacidad de adaptarla a nuestro requerimiento específico precisamente aunque el tema es bastante amplio.
Veamos qué estamos haciendo con la automatización de pruebas (Permítanme poner las pruebas de selenio en el mismo tema de automatización). Básicamente, necesitamos probar nuestro software automáticamente. En otras palabras, debemos verificar si nuestro software funciona como se espera en un conjunto de condiciones.
- ¿Cuál es la relación entre la inteligencia artificial y el aprendizaje automático?
- ¿Es la IA una burbuja?
- ¿La propagación hacia atrás proporciona pesos finales óptimos a nivel mundial solo si el espacio de la solución de adaptación es convexo?
- ¿Qué tipo de entorno facilita el desarrollo de la inteligencia en los organismos?
- ¿Pueden los robots tener conciencia alguna vez?
Tradicionalmente, en un proceso de automatización, obtenemos un conjunto de requisitos y condiciones / requisitos ambientales de la gestión del proyecto. Luego escribimos casos de prueba para cubrir esos requisitos y ejecutamos esas pruebas en un entorno predeterminado (preparado de acuerdo con nuestros requisitos ambientales). Finalmente, analizamos los informes de prueba y los reenviamos para futuras acciones. Aunque lo llamamos automatización, la automatización real está limitada para probar la tarea de ejecución. Todas las demás tareas se realizan manualmente.
Según mi opinión, todas estas tareas pueden ser totalmente automatizadas (deberían poder realizarse sin ninguna / menos participación humana). ¿No podemos identificar las funcionalidades que se probarán al estudiar la documentación de requisitos del producto / proyecto o simplemente la documentación del producto? Tenemos sofisticadas tecnologías de PNL hoy en IA. Podemos llevar la documentación humana a una descripción más legible por computadora / IA. Así que ahora, tenemos un conjunto de requisitos / pasos frente a lo esperado. El siguiente paso de la IA es preparar la secuencia para obtener esa salida de acuerdo con el requisito. Esto está relacionado con el código de prueba de manera tradicional. Es un poco desafiante pero factible con AI (hoy en día existen soluciones de generación automática de código). El siguiente paso es preparar el entorno automáticamente. Ya se ha hecho en muchas compañías y solo tenemos que inyectar inteligencia artificial para hacerlo de una manera más inteligente. El análisis de resultados es otra parte de análisis de datos que es tarea de hoy de DM / ML.
En conclusión, AI puede / tomará el trabajo de automatización de pruebas en un futuro próximo. Todo lo que tenemos que hacer es comprender pequeñas piezas de automatización y ayudar a las computadoras a comprender ‘esas piezas’.