您和您最喜歡的應用程序之間的每一次成功互動都是質(zhì)量檢驗團隊共同努力的結(jié)果。

你和你最喜歡的應用程序之間的每一次成功互動都是質(zhì)量保證(QA)團隊共同努力的結(jié)果。這些不知疲倦的問題獵人可以在每一次發(fā)布和更新中順利運行，以確保全球移動設備用戶日常需求所依賴的應用程序的每一個方面。

當你在早晨的鬧鐘中醒來，查看天氣或者給你愛的人發(fā)信息時，我們必須感謝這些通常是默默無聞的英雄。

當團隊的努力失敗時，他們肯定會聽到這樣一個消息:很多用戶會毫不猶豫地在流行的評論網(wǎng)站上提供負面反饋(而且非常明顯)。

現(xiàn)代移動應用用戶——也就是我們現(xiàn)在幾乎所有人的期望都是完美的。QA團隊的主要目標是確保每次部署都沒有錯誤的產(chǎn)品。

錯誤和問題的存在很快就會導致應用程序沉沒。不幸的是，確保沒有錯誤的體驗并不容易。而且只會越來越復雜。如今，軟件開發(fā)的世界變得越來越復雜，測試這些復雜性帶來的許多潛力和場景意味著測試本身越來越復雜，資源密集。

鑒于移動應用程序開發(fā)的歷史，預計應用程序只會變得更復雜，需要更先進、更頻繁的測試是非常合理的。但是一定要這樣嗎？我們是否注定需要越來越多的員工和越來越大的QA團隊？

1980年代：手動測試。

讓我們花點時間思考我們是如何走到這一步的。直到最近——“哇-我猜這真的是很久以前的20世紀80年代了”——軟件QA團隊嚴重依賴手動測試他們的設備，以確保產(chǎn)品性能良好。.

那是一個更簡單的時代，設備的功能和活躍場景要少得多，所以手動編碼是一種足夠的測試方法。雖然完全執(zhí)行繁瑣的工作需要花費大量的時間，但手動測試對測試人員有很好的效果。

然而，技術作為一種不斷發(fā)展和改進的野獸，以自動化的形式發(fā)生了變化，大大改善了測試過程。軟件不斷進步，變得更加復雜。

1990年代–2010年代：自動編碼測試。

在接下來的幾十年里，隨著測試的進步，QA測試人員已經(jīng)擺脫了通過測試用例進行實際操作的要求。他們不再需要手動找出意大利面條代碼堆中的錯誤。

在軟件問題的戰(zhàn)爭中，他們有了新的武器:大規(guī)模的手動測試已經(jīng)變得不現(xiàn)實。如果任何一個QA團隊想要在合理的時間內(nèi)徹底測試一個可能的版本，他們需要通過以下方式來測試腳本，這是一個自動化的工具。

那么，復雜的戰(zhàn)爭贏了嗎？不完全。最好不要把自動化測試當成革命性的創(chuàng)新，而是把它當成軍備競賽的另一步，這是軟件不斷發(fā)展的復雜性。

隨著時間的推移，地平線上沒有明顯的勝利。隨著移動應用的普及，它已經(jīng)成為我們?nèi)粘Ｉ钪械脑S多核心工具，自動化測試逐漸失去了動力。幸運的是，一場期待已久的變革即將到來，一場真正的革命即將到來。

2020年代：自動化無代碼測試。

直到最近，QA測試團隊的困境真的變得相當可怕。為了保證高質(zhì)量的產(chǎn)品發(fā)布，自動化測試需要越來越復雜的代碼工具，這意味著QA團隊需要專門用于測試的程序員越來越多，而不是生成新功能等其他任務。這不僅意味著成本越來越高，還意味著發(fā)布日期越來越晚。但另一種選擇，即災難性發(fā)布可能要貴得多(正如許多引人注目的失敗發(fā)布所證明的那樣)。

但是不可避免的事情來了。通過抽象原則——基于界面的表達為一個極其復雜的過程鋪平了道路(比如考慮隱藏在你正在閱讀的文章后面的1和0)——很多專家早就預示著一個新的抽象層，一場“無代碼革命”，這在過去的幾年里確實取得了成績。

最近出現(xiàn)了一些允許在各個行業(yè)使用無代碼解決方案的平臺。一個更明顯的無代碼革命的例子是網(wǎng)站編輯器的流行(想想Squarespace或Wix)，這些編輯器是真正看到的，也是你得到的。在軟件測試不那么明顯的領域，我創(chuàng)建的公司Sofy是一個獨特的平臺，可以為移動應用程序提供無代碼測試。

無代碼革命帶來了翻天覆地的變化，讓非專家可以處理復雜的任務，讓專家有更多的時間處理其他任務。因此，在不久的將來，我們無疑會看到越來越多的無代碼解決方案面向各個行業(yè)。

2025？真正智能的自測軟件。

也就是說，在事物計劃中，無代碼革命只是向前邁出的另一步，我相信軟件測試的下一步就是測試自己的軟件。在這方面，自測軟件就像一場沒有代碼的革命，多年來一直是一個預期的現(xiàn)實。隨著技術的變化和增長速度，可以想象，2025年AI運行的智能測試自動化(即自測軟件)將大幅擴展，無需人工干預，這并不可笑。

當前，智能測試的有限實施依賴于機器學習。(ML)人工智能平臺提高了軟件發(fā)布的速度和質(zhì)量。這樣就可以進行快速連續(xù)的測試(從而提高投資回報)。另外，AI可以復制人類智能，而ML可以讓計算機在沒有人工干預的情況下學習。

人工智能和機器學習使用基于深度學習的算法來訪問數(shù)據(jù)，并通過提取模式從數(shù)據(jù)中學習，從而更有效地進行調(diào)試和決策。此外，這項技術允許QA團隊通過各種設備和不同的形狀和規(guī)格進行許多測試。

這不是幾天，而是幾個小時。這是一場革命。

沒有代碼仍然需要人；人不是機器:他們會犯錯。即使沒有代碼——雖然大大減少了——人為錯誤仍然是導致嚴重問題的因素?？紤]過度使用人工測試引起的資源、時間和精力。

自測軟件只是第一步:我們可以期待其他剛剛投放市場的無代碼示例向機器學習方向發(fā)展?；谝恍┯脩糁付ǖ膮?shù)生成整個網(wǎng)站只是時間問題。今天，無代碼革命終于到來了，但隨之而來的是另一場革命的開始。

標簽：人工智能,ai人工智能,人工智能技術,人工智能變革