Как ChatGPT упростил жизнь тестировщикам

Работаю в QA больше четырех лет и в последние 2 года искусственный интеллект стал неотъемлемой частью жизни общества. Особенно активно он проник в сферу IT, вызывая у специалистов разные эмоции: от энтузиазма до страха за своё будущее. Особенно актуальным этот вопрос становится для тестировщиков программного обеспечения, ведь автоматизация тестирования — одна из ключевых задач в этой сфере. В этой статье я рассматриваю, как современные языковые модели, такие как ChatGPT, могут стать надёжными помощниками тестировщиков, повысив их эффективность и профессиональную ценность, а не становясь их конкурентами.

Данная статья написана в основном для тех, кто думает стоит ли сейчас идти в IT на любую позицию и испытывает страх оказаться на обочине прогресса и основана на моих реальных кейсах применения в работе.

1. Генерация тестовых сценариев. ИИ может помочь создавать базовые тестовые кейсы на основе требований и документации. Это особенно полезно при работе с большими проектами, где требуется охватить множество сценариев использования и своего опыта с воображением уже может быть недостаточно. Тестировщик может описать функциональность продукта, а модель сгенерирует набор тестовых случаев, охватывающих различные аспекты работы системы. Конечно, не всё что выдает нейросеть нужно брать и использовать, многие из предложенных вещей не используются на вашем проекте.

Пример из личной практики: при разработке сервиса для ресторана и службы доставки суши (сайт+мобилки iOS/Android) просил ИИ создать чек-лист и тест-кейсы для проверки процесса оформления заказа. Модель сгенерировала сценарии, включающие множественные варианты с меню, различные способы оплаты, варианты доставки и особые случаи, такие как отмена заказа или изменение адреса доставки.

2. Автоматизация документации. Документация — важная часть работы тестировщика, но часто именно ею пренебрегают из-за нехватки времени. На многих проектах документация плохая или её нет вовсе, так как идет постоянная гонка, цель которой релизнуть готовый продукт, поэтому тестировщики часто по крупицам её собирают осаждая разработчиков, аналитиков и лида. Другая сторона медали — проекты где документации очень много и пока тестировщик её читает, он уже устал и к тестированию приступит не скоро(в основном много документации у банковских продуктов).

Из личной практики удобно делать краткие выжимки из большой документации или редактировать имеющуюся, допустим в Notion или Buildin, а также создавать чек-листы из этих выжимок.

3. Анализ логов. Анализ логов и тестовых отчетов — трудоемкий процесс, требующий внимательности и времени. Языковые модели могут помочь в автоматизации этого процесса, выявляя паттерны и потенциальные проблемы.

Пример: после проведения нагрузочного тестирования тестировщик может использовать ИИ для анализа логов и выявления аномалий в производительности системы. ИИ можно буквально попросить помочь определить, какие параметры стоит изучить более детально, и предложить гипотезы о причинах возникших проблем.

4. Помощь в написании автотестов и пререквестов API. ИИ может генерировать базовый код для автотестов, который затем можно доработать вручную, так как нет гарантий что он будет работать сразу и без багов.

5. Обучение и развитие. ИИ могут быть отличным инструментом для обучения и развития тестировщиков. Они могут помочь в изучении новых технологий, написании тестовых сценариев и освоении инструментов автоматизации. Это не требует скачивания и чтения учебника по программированию, ведь всё что тебе нужно для выполнения прикладной задачи тестировщик может взять в ИИ.

Пример: начинающий тестировщик может использовать ИИ для изучения принципов написания автотестов на определенном языке программирования или для понимания специфики тестирования конкретного типа приложений. Можно ИИ частично заменить сервисы, которыми и так пользуются тестировщики (например валидация JSON или Pairwise) или вспомнить с помощью ИИ как написать SQL запрос и найти ошибки.

6. Преодоление языкового барьера. Для тестировщиков, работающих удаленно в международных командах, ИИ может стать незаменимым помощником в преодолении языкового барьера при работе с документацией. Также неопытным тестировщикам ИИ может помочь в общении со многими разработчиками «важными синьорами-помидорами», поскольку часто они отвечают в чате на слэнге и надо чтобы ИИ перевел попроще (например — засайнить таску, иксы, зарезолвить, задебажить, пыха, плюс и тд)

1. Критическое мышление. ИИ не может полностью заменить человеческое критическое мышление при оценке качества продукта.
2. Только человек может в полной мере понимать бизнес-цели и требования пользователей.
3. Адаптивность к изменениям в проекте и находить нестандартные решения.
4. Эмпатия и soft skills при общении с разработчиками и другими членами команды.

Эти качества присущи только человеку, и именно они делают тестировщиков незаменимыми в процессе разработки качественного программного обеспечения.

Вместо того чтобы опасаться замены ИИ, тестировщики должны рассматривать ИИ как инструмент, способный повысить их эффективность и освободить время. Используя возможности современных технологий, тестировщики могут сосредоточиться на стратегическом планировании тестирования, анализе результатов и улучшении качества продукта. Тестировщики, которые научатся эффективно использовать ИИ-инструменты в своей работе, будут более востребованы на рынке труда и смогут предложить большую ценность своим компаниям.