AI加速软件测试，测试人员该如何应对？

📝 面试求职： 「面试试题小程序」 ，内容涵盖 测试基础、Linux操作系统、MySQL数据库、Web功能测试、接口测试、APPium移动端测试、Python知识、Selenium自动化测试相关、性能测试、性能测试、计算机网络知识、Jmeter、HR面试，命中率杠杠的。（大家刷起来…）

📝 职场经验干货：

软件测试工程师简历上如何编写个人信息（一周8个面试）

软件测试工程师简历上如何编写专业技能（一周8个面试）

软件测试工程师简历上如何编写项目经验（一周8个面试）

软件测试工程师简历上如何编写个人荣誉（一周8个面试）

软件测试行情分享（这些都不了解就别贸然冲了.）

软件测试面试重点，搞清楚这些轻松拿到年薪30W+

软件测试面试刷题小程序免费使用（永久使用）

GEN AI在软件测试领域能做什么？

有人在提“AI重塑软件测试”，目前看来，AI还不至于重塑软件测试，但是AI确实也有不少可能应用，最常见的是用来生成测试用例、编写自动化测试代码等等，从全生命周期的质量内建来看，可能的应用还有如下图这些：

我曾以小白身份咨询ChatGPT关于如何做软件测试的话题《AI教小白做软件测试》，它的回答非常全面，真的非常能干了，似乎不需要测试人员了？真的是这样吗？

GEN AI应用的风险与挑战

当然，测试小伙伴们，也不用太焦虑。AI还没那么成熟，还是存在很多风险与挑战的，主要有以下四类：数据隐私与安全、质量陷阱、黑盒问题、技术依赖。

1. 数据隐私与安全

数据隐私与安全的风险，主要与敏感数据的使用有关，涉及两方面：数据泄露风险、训练偏见导致不公平决策。

1）数据泄露风险

在给AI输入数据里如果包含个人身份信息或者商业机密数据，并且没有做好数据脱敏，就会有很大的泄露风险，导致不可控后果。如果采用数据匿名化处理，对敏感数据进行脱敏，又可能会影响到AI的输出，这是个两难的问题，需要很好的平衡才行。

2）训练偏见导致不公平决策

如果大模型训练的历史数据包含带有偏见的数据，如种族歧视、性别歧视等，再用这样的大模型去辅助软件测试，有可能导致智能决策的不公平，从而引发相应的质量问题。

2. 质量陷阱

质量陷阱主要由AI幻觉引起。

1）测试本身的质量与测试误报

大模型生成的单元测试，看似覆盖率很高，但实际情况可能有边界case没有覆盖到的情况，但这种测试的质量问题很难被发现。有的AI自动化测试工具存在测试误报的“假阳性”/“假阴性”问题，假阳性可能导致耗费大量时间诊断一个根本不存在的问题，而假阴性则可能导致严重的质量问题流到生产环境，其后果无法估量。

2）过于依赖AI判断，容易导致决策失误

当团队过于信任AI生成的测试数据或分析结果，而没有足够的人类评审时，AI幻觉产生的虚假信息可能直接影响到测试的质量。智能决策如果基于AI幻觉数据，显然决策不可能准确，比如：误判“不需要测试”的地方，可能已经有潜在问题出现。

3. 黑盒问题

黑盒问题主要是因为大模型的决策过程不透明所导致的问题。

1）难以追溯错误来源

大模型内部逻辑复杂，用户无法理解它的输出结论是如何得出的。如果结果不准确或者有偏差，溯源非常困难，难以定位问题到底出在哪里。

2）导致信任危机

由于决策过程无法理解，用户很难信任AI的结果；另外，无法清晰解释的决策存在法律和合规风险，尤其是金融软件相关的场景。

4. 技术依赖导致团队技能弱化

技术依赖导致团队技能弱化，主要体现在如下两个方面：

1）基础技能退化

AI自动化工具高度依赖，测试人员缺乏深入思考，人为判断能力会退化；慢慢地，逻辑思维能力也会下降，解决实际问题的能力缺失。

2）创新停滞

基于历史数据训练的大模型，倾向于优化现有模式，对新技术、新框架的适应性下降。另外，依赖工具制定的策略，根据实际情况灵活调整策略的能力不够，因而导致创新停滞。

GEN AI应用的现状和未来

GEN AI给软件测试带来了不同的机会，同时也存在风险和挑战。

1. 趋势报告解读AI在软件测试领域应用的现状

接下来通过三份趋势报告来了解一下大家目前的AI应用情况，以及对未来的预期是怎么样的。

报告原文：

- Katalon: https://katalon.com/reports/state-quality-2024 

- Lambdatest: https://www.lambdatest.com/future-of-quality-assurance-survey 

- Capgemini: https://www.capgemini.com/insights/research-library/world-quality-report-2024-25/

基于三份报告，主要概述以下三个方面：

1）AI应用比较多的质量活动

主要有测试用例生成、自动化测试脚本生成、测试数据生成和自动缺陷分析和预测。

2）阻碍采纳AI的因素

主要包括可靠性、安全性、AI工具的能力、人员的AI技能等。

3）未来测试会由AI取代吗？

60.60%的组织认为，人工智能（AI）将提升团队的生产力，而人类将在测试过程中继续发挥主要作用。这表明，AI被广泛视为测试过程中的增强工具，而非完全替代品。

最后： 下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】