全面的质量工程和测试对于今天的软件驱动型组织来说是必须的。也许并不奇怪，生成人工智能（Gen AI）正在成为软件开发生命周期的质量和测试阶段的前沿组件。

　　然而，软件测试自动化的长期成功在于建立必要的组织意愿和资源。简而言之，套用管理大师彼得?德鲁克（Peter Drucker）经常引用的那句话：文化会把软件质量策略当早餐吃掉。

　　OpenText一项涉及1755名科技高管的研究的共同作者表示：“关于哪些质量工程和测试活动将从新一代人工智能中受益最大的争论仍未解决。”这项由凯捷和Sogeti（凯捷集团的一部分）发布的调查指出，人们越来越关注利用Gen AI“进行测试报告和数据生成，而不是测试用例创建”。

　　人工智能为许多恼人的软件质量问题提供了答案，或者至少是部分答案。自80年前第一台计算机问世以来，软件质量一直是一个挑战，在一个充斥着技术网络和解决方案的世界里，这个问题只会变得更加严重。新一代人工智能正在成为管理质量的重要一步。

　　调查证实，大约十分之七的组织（68%）采用新一代人工智能来协助他们的软件质量工作。至少29%的组织已经将Gen AI完全集成到他们的测试自动化过程中，而42%的组织正在探索其潜力。

　　该研究还表明，“云原生技术和机器人过程自动化，以及通用人工智能和预测性人工智能都发挥着重要作用”在这个测试自动化的新领域很普遍。

　　“云原生技术很有吸引力，因为它们为经济高效的解决方案打开了大门，消除了对工具许可证的需求，从而降低了总体运营成本。人工智能和其他新兴技术是否会成为DevOps结构的一部分已经不再是一个问题。我们的经营方式正处于动态转变的早期阶段。”

　　结论是，人工智能代表了相对复杂的质量保证和测试过程自动化的下一个阶段。

　　该调查的作者团队由OpenText的Jeff Spevacek领导，他说：“很明显，有必要将质量工程指标与业务成果结合起来，并展示质量计划的战略价值，以推动有意义的变革。”

　　“在技术方面，采用更新、更智能的测试自动化工具已将测试自动化的平均水平提高到44%。然而，今年最具变革性的趋势是人工智能的迅速采用，特别是Gen AI，这将产生巨大的影响。”

　　Spevacek和他的合著者继续说道：“大型语言模型和人工智能工具的发展，特别是Copilot，使它们能够无缝集成到现有的软件开发生命周期中，在质量工程自动化方面迎来了效率和创新的新浪潮。”

　　在去年的软件质量调查中，“我们看到组织在人工智能解决方案上的投资有所增加，以推动质量转换议程，”他们写道。“然而，相当一部分人对人工智能在质量工程中的价值持怀疑态度。”

　　在过去的12个月里，人们对人工智能的态度发生了重大变化：“许多组织现在正从实验转向实际规模的人工智能实施，以支持高质量的工程活动。我们真的相信，我们将看到这一领域的进一步发展。”

　　然而，将人工智能作为软件质量保证工具是具有挑战性的。至少61%的受访者表示，他们担心利用生成式人工智能解决方案会导致数据泄露。57%和64%的受访者分别认为，缺乏全面的测试自动化策略和对遗留系统的依赖是推进自动化工作的主要障碍。

　　在敏捷软件交付团队中嵌入质量工程师的情况也很复杂。只有三分之一的受访者表示，他们的大多数质量工程师都参与了敏捷团队。然而，作者认为，缺乏参与可能不是一件坏事。

　　这表明越来越多的人认识到需要能够独立于敏捷团队运作的质量工程师，同时仍然为整体质量目标做出贡献。事实上，独立质量工程师的数量预计将从27%增加到38%。”

　　调查表明，高质量工程师的增加可能也反映了敏捷团队的跨技能趋势，以解决软件质量和测试问题：“专注于跨技能，使质量工程师与敏捷团队更紧密地结合起来，似乎已经得到了回报。今年的调查结果显示，企业在提升团队技能方面取得了相当大的进步——现在只有16%的受访者认为缺乏技能是一个主要瓶颈，比去年的37%有了显著改善。”

　　然而，尽管取得了这些进展，大多数科技高管表示，对质量工程的重视程度还不够。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没有被视为一项战略活动。”类似比例的受访者同意“质量工程过程还不够自动化”，以及“质量工程师缺乏支持敏捷项目的技能”。

　　新一代人工智能和预测性人工智能的兴起可能会提供一种经济高效的简化方法，使质量和测试工作与整体软件开发和部署保持一致。OpenText/Sogeti团队为在软件质量工作中推进自动化和人工智能所提供的一些建议包括：

　　从企业的角度来看：清晰地勾勒出质量工程自动化和预选的目标和预期结果在这些区域E应用，增加或增强测试自动化。”

　　从现在开始，不断尝试：“如果你还没有探索或积极使用新一代人工智能解决方案，那么现在就开始保持竞争力至关重要。不要急于向单一平台或用例提交。相反，尝试多种方法来识别o能够提供最显著效益的新方法。”

　　充分利用Gen AI的全方位能力：“新一代人工智能远远超出了自动化测试的范畴脚本和帮助实现自适应测试自动化系统。

　　结合业务关键绩效指标：“确定并利用受质量工程自动化影响的关键业务绩效指标，并明确关注业务结果，例如提高客户满意度，降低业务运营成本，以及其他与业务相关的指标。”

　　使质量工程自动化工具合理化：“确保您的质量工程自动化工具是流线型的，并且能够与新兴技术集成，例如Gen AI，以保持兼容性和未来的准备。”

　　增强质量工程人才和角色：“在测试中加入更多的全栈质量和软件开发工程师，以加强您团队的能力。”

　　增强，而不是取代：“要明白，新一代人工智能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，这些改进不会立竿见影；要有足够的时间让好处显现出来。”

　　虽然人工智能作为一种质量和测试工具提供了巨大的希望，但该研究表示，“在验证协议、人工智能模型和验证所有集成的复杂性方面存在重大挑战。”目前，许多组织正在努力实现全面的测试策略，以确保关键领域的优化覆盖。然而，展望未来，人们强烈期望人工智能将在应对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。”

　　这项研究的关键要点是，软件质量工程正在迅速发展：“曾经被定义为测试人类编写的软件，现在它已经随着人工智能生成的代码而发展。”

　　作为这种演变的结果，质量工程看到了需要生成的代码和测试脚本数量的增加，并且从端到端对测试软件链有了新的需求。