『2つの方が1つより優れている：AIと自動化を組み合わせて強力な品質エンジニアリングプロセスを作成する方法』

Creating a powerful quality engineering process by combining AI and automation the superiority of two over one

過去10年間、急速なイノベーションのペースにより、絶えず変化し続けるデジタルの風景が生み出されました。この変化する技術空間により、組織はより効率的に運営し、顧客により効果的にサービスを提供するためのツールを導入し、プラットフォームやアプリケーションを採用することを切望しています。たとえば、AIはプロセスの最適化や強化、市場での差別化や競争力の向上、顧客との関係構築、新しいビジネスモデルの構築などにおいて、ますます人気が高まっています。AIはほとんどのオペレーションを強化する優れたツールですが、自動化と組み合わせることでさらに効率的なプロセスを作り出すことができます。このスーパーツールはAI支援の自動化と呼ばれています。

特に品質エンジニアリングにおいて、ビジュアルAI、セルフヒーリングAI、リスクAIの3つの形態のAIが自動化と組み合わされることで非常に有用であることがすでに証明されています。これらのタイプのAIを自動化と組み合わせることで、品質エンジニアリングを向上させ、企業はより効率的になることができます。

ビジュアル、セルフヒーリング、リスクAIの解説

ビジュアルAIは、ユーザーに表示される内容の重要な変更を検出し、アプリケーションが正しくレンダリングされているかどうかをチェックするAIの形態です。基本的に、ビジュアルAIは人間の目のデジタルバージョンであり、読みやすさ、使いやすさ、アクセシビリティなどを監視します。

自動化と組み合わせることで、ビジュアルAIは画面上のユーザーインターフェースの要素を特定し、個々の要素を自動化することができます。たとえば、ビジュアルAIは、ログインボタンなどのユーザーの画面上の任意のボタンを特定し、自動化と組み合わせてそのボタンをクリックすることができます。さらに、ビジュアルAIと自動化を組み合わせることで、技術的な障壁が取り除かれ、複雑なオペレーティングシステムや言語がより使いやすくなります。また、開発者は完全なアクセス権を持たないアプリケーションを自動化することができます。

• 著者たちはAI企業に対して団結し、著作権保護された作品に対する尊重と報酬を求めます
• 「Quivrに会ってください：第2の脳のように構造化されていない情報を保存し、取得するためのオープンソースプロジェクト」
• 「パットスナップがAmazon SageMaker上で低遅延と低コストでGPT-2推論を使用した方法」

一方、セルフヒーリングAIは、アプリケーションの進化に応じてテストケースを適応させ、テストプランを調整することで、新しいイテレーション中にテストやコードが壊れないように支援します。セルフヒーリングAIはテストの文脈を理解し、ユーザーの介入なしで新しい構成、画面、入力フィールドに対応することができます。さらに、セルフヒーリングAIはローカライズされたコンテンツやインターフェースをより効率的に処理することができます。

セルフヒーリングAIと自動化を組み合わせることで、小さな変更が行われたときにアプリケーションスイート全体が壊れないようにすることができます。たとえば、ユーザーインターフェースに変更が加えられた場合、その変更はアプリケーションのさまざまな側面に影響を与える可能性があります。セルフヒーリングAIと自動化が連携して使用されることで、AIは問題を特定し、自動化はそれを修正するためにプログラムされます。最終的に、セルフヒーリングAIと自動化は、問題を修正するために最小限の手動作業が必要となることを保証します。

最後に、リスクAIは変更と使用ログを分析し、開発者がアプリケーション内のリスクのあるオブジェクトを検出し、影響分析を実行し、変更のビジネスと技術的なリスクに焦点を当てた適切なテストセットを選択するのに役立ちます。これにより、品質エンジニアは特に大規模な回帰スイートの実行に時間がかかる場合に、より効率的にプロセスを進めることができます。自動化と組み合わせることで、リスクAIは問題を探すための優先順位を付け、セルフヒーリングAIと自動化を用いて最小限の手動作業でテストスイートを修正するのに役立ちます。

品質エンジニアリングへのAI支援自動化の影響

AI支援自動化は、品質エンジニアリングにとって包括的に有益です。AIと自動化を組み合わせることで、企業はチーム全体やソフトウェア開発ライフサイクル全体でのテストの可視化を実現し、問題を迅速に解決し、エンドツーエンドの品質を促進することができます。

ソフトウェア開発ライフサイクルのほぼすべての段階で一緒に使用することができますが、特に多くのデータ、パターン、トレンド、異常検出が必要な領域で最も有用です。

たとえば、品質エンジニアリング内では、ビジュアルAIテストは自動化が進行する中で背景のテキスト要素の読みやすさを検証することができます。要素が重なったり、画面外に描画されたり、画像に隠れたり、色盲にとって困難な色の組み合わせを含んでいる場合、通常はエラーが発生せず、ほとんどの自動化で動作します。しかし、ビジュアルAIは問題を検出し、開発者に修正を行うようにフラグを立てます。

さらに、顧客がコード、セキュリティパッチ、サードパーティのライブラリを変更する場合、リスクAIは影響分析を実行し、これらの変更に対処するために実行する必要のあるテストを特定し、可能な失敗シナリオを素早く見つけることができます。

最後に、データ入力画面が2つのステップに分割され、自動的に追加のナビゲーションステップが必要な場合、セルフヒーリングAIはテストスクリプトの失敗を修正し、人間の介入を必要としないようにします。

人間とAI支援自動化

さらに、AIを活用した自動化は、非技術的なユーザーから熟練したテストエンジニアまで、チーム全体を手作業から解放し、より複雑でビジネスに重要なタスクに集中し、品質保証により大きな役割を果たすことができます。AIと自動化を組み合わせると、人間を完全にカットするように思えるかもしれませんが、実際には彼らをますます重要な存在にします。

AIを活用した自動化が面倒なタスク、例えばスクリプトの更新などを引き受けることで、品質エンジニアは製品のエクスペリエンス、テストカバレッジなど、より戦略的かつ重要なタスクに集中するための十分な時間を持つことができます。それは、まるで何千人もの無料のインターンがいるようなものです。もはや機械的なタスクを行う必要はありませんが、設計には依然として深いニーズがあり、プロセス、インプリケーション、スケールに焦点を当てる必要があります。

結局のところ、AIと自動化を組み合わせることで、人間が行う作業のレベルが上がり、より多くの時間を批判的思考に費やすことができ、より迅速かつ効率的に動くことができます。

AIを活用した自動化による品質の確保

革新とデジタルトランスフォーメーションのペースがまもなく緩まないと考えられる中、組織は追いつき、効率的に運営し、最善の能力で顧客にサービスを提供するためのツールが必要です。

AIを活用した自動化は、視覚的なAI、リスクAI、セルフヒーリングAIを自動化と組み合わせることで、品質エンジニアがアプリケーション内の問題をよりよく特定し、それ以外では見落とされる可能性のある問題を解決するのに役立ちます。

特に品質エンジニアリングはソフトウェア開発ライフサイクルの重要かつ重要な部分であるため、AIを活用した自動化を利用することで、ソフトウェアエンジニアリングの最も基本的な側面を高め、より強力で迅速なソリューションを作り出すことができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!