DevOps en testteams Burnout: oplossingen en releases
An INFJ personality wielding brevity in speech and writing.
Volgens Gartner is 95 procent van de applicaties die tegenwoordig in productie zijn, niet geïnstrumenteerd.
Het verzenden van foutloze software die door miljoenen mensen is gebruikt, vereist uitgebreide tests om stabiliteit en prestaties te garanderen. Ondanks Continuous Testing en Continuous Integration lijken defecten onvermijdelijk.
Wanneer de problemen zich voordoen in de productieomgeving, zullen ook alle mogelijke/zouden-hebbenden ingrijpen en na een lange vergadering gaan de ingenieurs terug naar het oplossen van het probleem en het testteam om ze opnieuw te testen en een poging te wagen voor implementatie.
Er is een kans van 90% dat de patch opnieuw mislukt als de QA’s de testscenario’s niet correct definiëren. QA’s moeten met hun bestaande domeinkennis in staat zijn om de juiste testcases te testen en het succes van de patch te garanderen.
Deze traditionele praktijken zijn puur subjectief en staan algemeen bekend als op risico’s gebaseerd testen. Maximale testdekking is niet volledig mogelijk in de huidige vorm van risicogebaseerd testen en stelt een reeks uitdagingen voor de implementatie.
Hoe machine-intelligentie de kwaliteitsborging kan verbeteren
Het World Quality Report stelt dat “de belangrijkste oplossing om de toenemende QA- en testuitdagingen te overwinnen de opkomende introductie van op machines gebaseerde intelligentie zal zijn”
Het onvermogen van de QA’s om op intelligente wijze testgevallen te selecteren, kan het gevolg zijn van het feit dat ze in de eerste plaats niet over een groot aantal testgevallen beschikken.
Machinegebaseerde intelligentie zoals Spider AI kan het probleem voor QA ’s oplossen. Spidering kan de testdekking vergroten door optimale testcases voor DevOps en QA te genereren.
En een winkelervaring zou leuk zijn als de QA’s ook aanbevelingen krijgen uit de pool van testsuites zoals “Testcases die je misschien leuk vindt”, “Meer testcases zoals deze”. En dat is precies wat Zuci probeert op te bouwen met zijn gepatenteerde intellectuele eigendom.
Een goede hoeveelheid gegevens in de vorm van eerdere defectgeschiedenis, trends in defecten, enz. moet naar de machine learning-engine worden gevoerd, waardoor deze wordt geholpen bij het intelligent selecteren van testcases.
Combined Intelligence kan een gepersonaliseerde feed van voorspellende en prescriptieve inzichten in softwareprestaties leveren en de kwaliteit in productieomgevingen verbeteren.
Om meer te weten te komen over de AI-trends in het testen van software, de impact van AI en aanverwante technologieën op het testen van software en hoe deze technologieën kunnen worden gebruikt voor de verbetering van het testen van software, bij ons aanwezig zijn voor het live webinar over “Hoe AI defectdetectie verandert”? op 19 september 2019 om 11 uur CST.
Bewaar hier je stoel