报告

AI 和自动化转变质量工程：2024 世界质量报告的见解

mm
Published
Updated

2024-25 年世界质量报告 由 OpenText 发布，阐明了质量工程（QE）和测试实践的最新趋势。报告调查了 33 个国家的 1,775 名高管，揭示了 AI、自动化和可持续性如何转变质量保证的格局。随着 AI 技术的进步，组织需要采用新的创新解决方案，特别是 生成式 AI（Gen AI）成为焦点。

我们将探讨报告的发现，强调 QE、自动化和 AI 的关键趋势，并为准备迎接质量工程未来发展的组织提供可行的见解。

质量工程中的 AI崛起

报告中最值得注意的发现之一是 AI 在 QE 中的快速采用。令人惊讶的是，71% 的组织 已经将 AI 和 Gen AI 集成到他们的运营中，相比之前的 34% 有了显著的增长。这一转变标志着行业的重要时刻，AI 即将革新 QE 的各个方面，从测试自动化到 数据质量管理。

AI 的影响在 测试自动化 中尤其显著，73% 的受访者 将 AI 和 机器学习(ML) 视为进步的关键驱动力。云原生技术和 机器人流程自动化(RPA) 紧随其后，分别有 67% 和 66% 的组织利用这些进步。自动化的速度和效率正在迅速提高，允许组织减少手动努力并增加测试范围。

例如，72% 的组织 报告称，Gen AI 已加速了他们的测试自动化过程，而 68% 强调了更容易的集成，使其能够无缝地融入现有的开发流水线。通过自动化重复性任务和生成测试脚本，AI 不仅减少了成本，还提高了质量工程师的生产力。

敏捷中的质量工程：向集成团队转变

报告强调了将 QE 嵌入 敏捷团队 的重要性。目前，40% 的组织 已将质量工程师直接集成到他们的敏捷工作流中。这一转变明显地远离了传统的测试中心（TCoE），现在只有 27% 的受访者使用 TCoE 作为他们的 QE 结构，相比之前的 70% 有了显著的下降。

在敏捷团队中嵌入 QE 确保了更快的迭代和更好的业务目标对齐。此外，跨功能协作 被认为是交付更高质量结果的关键因素，78% 的受访者强调了其在确保更快地交付更高质量产品方面的重要性。

尽管取得了这些进展，挑战仍然存在。报告发现，56% 的组织 仍将 QE 视为非战略性功能，53% 承认他们当前的 QE 流程对于敏捷方法论来说是不充分的。这需要更大地关注将 QE 指标与更广泛的业务成果（如客户满意度和收入影响）对齐。

数据质量：AI 驱动测试的基础

随着组织越来越依赖数据驱动的决策，他们的 数据质量 的重要性日益凸显。报告显示，64% 的组织 现在将数据质量视为首要任务，但许多组织仍在努力如何有效地管理数据。建立数据所有权和改进数据治理框架是确保 AI 模型在 QE 中的准确性和可靠性的关键步骤。

没有高质量的数据，AI 生成有意义的见解、创建测试场景和预测结果的能力就会受到损害。这解释了为什么 58% 的受访者 将数据泄露视为与 Gen AI 相关的最重大风险。随着组织将 AI 集成到他们的质量流程中，确保强大的数据安全变得至关重要。

智能产品验证：超越功能性测试

智能产品的验证正在成为现代 QE 实践的关键组成部分。根据报告，21% 的测试预算 现在专门用于验证智能技术，反映了对确保这些产品在相互连接的环境中无缝运行的综合策略的日益增长的需求。

功能正确性仍然是验证智能产品的首要任务，30% 的受访者 将其列为最重要的因素。然而，安全性（23%）和数据质量（21%）也排名靠前，表明正在转向更全面的测试策略，以解决智能产品的复杂性。

报告还确定了测试这些产品的挑战，特别是在验证嵌入式 AI 模型和测试所有设备和协议的集成方面。缺乏熟练的测试人员进一步加剧了这些挑战，44% 的组织 难以找到能够处理智能产品测试复杂性的人才。

质量工程中的可持续性

随着人们对气候变化和环境责任的担忧日益增长，58% 的组织 正在将可持续性作为他们的 QE 策略的优先事项。然而，只有 34% 的组织实施了衡量测试活动环境影响的做法。这凸显了意图和执行之间的显著差距，强调了需要更强大的框架来跟踪可持续性努力的必要性。

组织开始探索 QE 如何为 绿色 IT 计划 做出贡献，例如能源消耗监测、环境数据分析和测试环境优化。AI 可以在这些努力中发挥关键作用，54% 的受访者 确定了能源效率优化作为 AI 在质量验证中的最有价值的用途之一。

未来关键建议

报告为希望在不断演变的 QE 景观中保持竞争力的组织提供了几项关键建议：

  1. 利用 Gen AI 进行自动化：开始使用 Gen AI 来增强和加速测试自动化过程。Gen AI 的潜力超出了脚本生成，提供了自适应自动化系统的机会，这些系统可以提高效率和有效性。
  2. 投资 QE 人才：为了跟上 AI 和自动化的步伐，组织必须投资于提高他们的质量工程师的技能。能够在整个软件生命周期中工作的全栈工程师日益受到需求。
  3. 关注业务绩效指标：转变为关注业务成果，如客户满意度和收入增长，而不是传统的指标如流程效率和测试覆盖率。
  4. 制定可持续性战略：实施全面流程来衡量和减少 QE 活动的环境影响。将可持续性融入测试不仅有助于实现企业社会责任目标，还能提高运营效率。

结论

2024-25 年世界质量报告 描绘了一个行业转型的生动图景，这一转型由 AI、自动化和可持续性驱动。随着组织在这个新格局中导航，采用前瞻性方法来 QE 将对于获得竞争优势至关重要。通过利用 AI 的潜力、投资人才并将质量计划与业务目标对齐，公司可以确保他们为前方的挑战和机遇做好准备。

mm

安托万是一位具有远见的领导者和Unite.AI的创始合伙人，他被对塑造和推广AI和机器人人的未来充满不动摇的热情所驱动。作为一位连续创业者，他相信AI将对社会产生与电力一样的颠覆性影响，他经常被听到对颠覆性技术和AGI的潜力大加赞赏。

作为一位未来学家，他致力于探索这些创新将如何塑造我们的世界。另外，他也是Securities.io的创始人，这是一个专注于投资于重新定义未来和重塑整个行业的尖端技术的平台。