Искусственный интеллект и автоматизация трансформируют инженерию качества: идеи из отчета World Quality Report 2024

Отчет World Quality Report 2024-25 компании OpenText проливает свет на новаторские тенденции, формирующие инженерию качества (QE) и практику тестирования во всем мире. Более 1,775 руководителей из 33 стран приняли участие в опросе, и отчет показывает, как искусственный интеллект, автоматизация и устойчивость меняют ландшафт обеспечения качества. По мере развития технологии ИИ организации призываются принять новые, инновационные решения для QE, особенно когда генеративный ИИ (Gen AI) выходит на первый план.

Мы рассмотрим результаты отчета, подчеркивая ключевые тенденции в QE, автоматизации и ИИ, и предоставляя практические рекомендации для организаций, готовых принять будущее инженерии качества.

Рост ИИ в инженерии качества

Одним из наиболее заметных открытий отчета является быстрое внедрение ИИ в QE. Стaggering 71% организаций интегрировали ИИ и Gen AI в свои операции, что на 34% больше, чем в предыдущие годы. Этот сдвиг знаменует собой поворотный момент в отрасли, когда ИИ готов революционизировать различные аспекты QE, от автоматизации тестирования до управления качеством данных.

Влияние ИИ особенно глубоко в автоматизации тестирования, где 73% респондентов называют ИИ и машинное обучение (ML) ключевыми факторами прогресса. Cloud-родные технологии и автоматизация роботизированных процессов (RPA) следуют за ними, с 67% и 66% соответственно, использующих эти достижения. Скорость и эффективность автоматизации улучшаются значительно, позволяя организациям сократить ручные усилия и увеличить объем тестирования.

Например, 72% организаций сообщают, что Gen AI ускорил их процессы автоматизации тестирования, в то время как 68% подчеркивают более легкие интеграции, позволяющие без проблем вписаться в существующие конвейеры разработки. Автоматизируя повторяющиеся задачи и генерируя сценарии тестирования, ИИ не только снижает затраты, но и повышает производительность инженеров по качеству.

Инженерия качества в Agile: сдвиг в сторону интегрированных команд

Растущая важность внедрения QE в Agile-команды – это еще одна значительная тенденция, выделенная в отчете. В настоящее время 40% организаций имеют инженеров по качеству, интегрированных直接 в свои Agile-конвейеры. Этот сдвиг является явным отходом от традиционных Центров совершенства тестирования (TCoE), которые сократили свое использование, теперь составляя только 27% структуры QE респондентов, по сравнению с 70% в предыдущие годы.

Фокус на внедрении QE внутри Agile-команд обеспечивает более быстрые итерации и лучшую согласованность с бизнес-целями. Кроме того, кросс-функциональное сотрудничество признается критически важным для обеспечения более высокого качества результатов, с 78% респондентов подчеркивающими его важность в обеспечении более качественных продуктов быстрее.

Несмотря на эти достижения, остаются проблемы. Отчет показывает, что 56% организаций по-прежнему рассматривают QE как нестратегическую функцию, и 53% признают, что их текущие процессы QE неадекватны для Agile-методологий. Это требует более значительного внимания к согласованности метрик QE с более широкими бизнес-результатами, такими как удовлетворенность клиентов и влияние на доход.

Качество данных: основа для тестирования на основе ИИ

По мере того, как организации становятся все более зависимыми от принятия решений на основе данных, качество их данных приобретает повышенную важность. Отчет показывает, что 64% организаций теперь считают качество данных приоритетом номер один, но многие все еще борются с тем, как эффективно управлять им. Установление четкой собственности данных и улучшение рамок для управления данными являются важными шагами на пути к обеспечению точности и надежности моделей ИИ, используемых в QE.

Без высококачественных данных способность ИИ генерировать осмысленные идеи, создавать сценарии тестирования и прогнозировать результаты компрометируется. Это объясняет, почему 58% респондентов ставят утечки данных как наиболее значительный риск, связанный с Gen AI. По мере того, как организации интегрируют ИИ в свои процессы качества, обеспечение надежной безопасности данных становится первоочередной задачей.

Интеллектуальная проверка продукта: тестирование за пределами функциональности

Проверка интеллектуальных продуктов выходит на первый план как важнейший компонент современных практик QE. Согласно отчету, 21% бюджета на тестирование теперь выделено на проверку умных технологий, отражая растущую потребность в комплексных стратегиях, обеспечивающих бесперебойную работу этих продуктов в взаимосвязанных средах.

Функциональная правильность остается главным приоритетом для проверки интеллектуальных продуктов, с 30% респондентов, называющих ее наиболее важным фактором. Однако безопасность (23%) и качество данных (21%) также занимают высокие позиции, сигнализируя о сдвиге в сторону более целостных стратегий тестирования, учитывающих сложность умных продуктов.

Отчет также выявляет проблемы в тестировании этих продуктов, особенно когда речь идет о проверке встроенных моделей ИИ и возможности тестировать все интеграции по устройствам и протоколам. Недостаток квалифицированных тестировщиков еще больше усугубляет эти проблемы, с 44% организаций, борющихся с поиском талантов, способных справиться с нюансами тестирования интеллектуальных продуктов.

Устойчивость в инженерии качества

С ростом обеспокоенности по поводу изменения климата и экологической ответственности 58% организаций отдают приоритет устойчивости в своих стратегиях QE. Однако только 34% реализовали практики, измеряющие воздействие на окружающую среду их деятельности по тестированию. Это подчеркивает значущий разрыв между намерениями и реализацией, подчеркивая необходимость более прочных рамок для отслеживания усилий по устойчивости.

Организации начинают исследовать, как QE может способствовать инициативам Green IT, с областями, такими как мониторинг потребления энергии, анализ экологических данных и оптимизация сред тестирования, набирающими обороты. ИИ может сыграть решающую роль в этих усилиях, с 54% респондентов, определяющих оптимизацию энергетической эффективности как одно из наиболее ценных применений ИИ в проверке качества.

Ключевые рекомендации для будущего

Отчет предлагает несколько ключевых рекомендаций для организаций, стремящихся остаться конкурентоспособными в меняющемся ландшафте QE:

1. Используйте Gen AI для автоматизации: начните экспериментировать с Gen AI для улучшения и ускорения процессов автоматизации тестирования. Потенциал Gen AI выходит за рамки генерации сценариев, предлагая возможности для самоадаптирующихся систем автоматизации, которые могут повысить как эффективность, так и результативность.
2. Инвестируйте в таланты QE: чтобы идти в ногу с ИИ и автоматизацией, организации должны инвестировать в повышение квалификации своих инженеров по качеству. Инженеры, способные работать на всем протяжении цикла разработки программного обеспечения, все чаще находятся в спросе.
3. Сосредоточьтесь на показателях бизнес-производительности: отходите от традиционных метрик, таких как эффективность процессов и покрытие тестирования. Вместо этого сосредоточьтесь на том, как инициативы QE способствуют бизнес-результатам, таким как удовлетворенность клиентов и рост доходов.
4. Разработайте стратегию устойчивости: реализуйте комплексные процессы для измерения и снижения воздействия на окружающую среду деятельности QE. Интеграция устойчивости в тестирование не только продвинет цели корпоративной социальной ответственности, но и повысит операционную эффективность.

Заключение

Отчет World Quality Report 2024-25 рисует яркую картину отрасли на пороге трансформации, движимой ИИ, автоматизацией и устойчивостью. По мере того, как организации ориентируются в этом новом ландшафте, принятие прогрессивного подхода к QE будет иметь решающее значение для получения конкурентного преимущества. Используя потенциал ИИ, инвестируя в таланты и согласуя инициативы QE с бизнес-целями, компании могут обеспечить свою готовность к проблемам и возможностям, которые лежат впереди.