近日，由神州信息主辦的“AI賦能金融系統(tǒng)測試效率提升研討會”在京圓滿召開。研討會特邀全國行股份制銀行、農信機構、城商行等30余家金融機構，60余位相關負責人到場，與會嘉賓結合金融測試領域AI大模型技術發(fā)展趨勢和現(xiàn)階段技術難點進行討論。神州信息質測專家韓秋泉以“基于AI+TMMi的測試效能提升探討”為主題發(fā)表演講。

韓秋泉

以下為演講觀點整理：

TMMi作為測試成熟度模型，其根本目的在于從整個組織、人員、流程、技術工具等方面為企業(yè)提供測試過程改進與測試效能提升的指導。

TMMi實施中的一些重點如基于風險的測試策略，缺陷從發(fā)現(xiàn)到預防，全面的測試度量，將評審用作靜態(tài)測試的關鍵舉措，完整的測試資產庫的建立等，以往因為受限于技術實施手段難以滿足要求而成為TMMi中難以落地的難點。

AI技術的發(fā)展，則為TMMi實施突破難點達成預期效果提供了有力支持。

同時，從目前AI在測試領域應用現(xiàn)狀看，也同樣存在難以落地難以體現(xiàn)價值的問題。如AI應用的一個主要瓶頸在于自有數(shù)據(jù)無法達到使用要求，還有AI應用場景如何和測試效能的提升更緊密結合等。而這些問題恰恰是實施TMMi過程中可以幫助逐步解決，如資產庫的建立，如風險預測和缺陷根因分析，如度量數(shù)據(jù)的分析與展示等，這些基礎的建立和場景的應用為AI提升測試效能提供了支持和指引。

因此，我們可以得到一個結論：TMMi與AI結合，也是管理與技術的結合，能夠在測試領域為提升效能發(fā)揮更大作用。

AI與TMMi結合的目的是實現(xiàn)測試領域的提質增效：

· TMMI為AI應用提供方向與場景。TMMI框架為AI在測試領域的應用提供了明確的方向和具體的應用場景，確保AI技術的應用能夠與測試管理的目標保持一致。

· TMMI管理實踐是AI價值發(fā)揮的基礎。TMMI的管理實踐為AI技術應用的價值發(fā)揮提供了堅實的基礎，確保AI技術能夠在測試管理的各個環(huán)節(jié)中得到有效應用。

· AI技術提升TMMI實施效率。AI技術通過自動化和智能化的手段，顯著提升了TMMI框架的實施效率，減少了人為錯誤和重復勞動。

測試領域的AI實踐

神州信息AIGC服務管理系統(tǒng)

系統(tǒng)介紹：基于測試領域的實際需要，神州信息研發(fā)了AIGC服務管理系統(tǒng)。借助“AI+測試”實現(xiàn)覆蓋測試全生命周期的AI賦能，改變以往碎片化的流程改造。平臺可以實現(xiàn)輔助測試需求說明書、輔助生成測試方案、測試用例、分析測試缺陷、生成測試報告和輔助測試評審各階段交付物等功能。

系統(tǒng)特點：

· 特點一：RAG知識庫，實現(xiàn)靜態(tài)資產轉為動態(tài)資產，資產復用從被動到主動。通過專項知識庫的構建，可以幫助實現(xiàn)風險識別、缺陷預測和預防以及數(shù)據(jù)分析和展示。

· 特點二：智能評審。破解評審的專家資源瓶頸與讓靜態(tài)測試實際落。對于需求文檔、設計文檔、測試文檔、測試報告等類型文檔的智能評審能力；支持評審規(guī)則定義；評審結果支持添加到文檔備注中。

· 特點三：測試用例自動生成。系統(tǒng)測試助手，提供通過測試需求規(guī)格說明書生成測試功能測試案例，提供現(xiàn)有Excel案例通過轉成對應格式的Excel案例，提升測試設計分析效率。

· 特點四：測試模型自動生成：更精準的測試用例生成模式。支持根據(jù)軟件需求通過AIGC自動生成MBT模型圖；MBT模型生成案例實現(xiàn)案例生成案例的過程可視化、覆蓋度可度量、顆粒度可控。

測試領域AI應用發(fā)展趨勢

未來，伴隨AI技術持續(xù)發(fā)展，在測試領域接口測試案例生成、智能推薦、覆蓋率分析和UI自動化測試案例生成將逐漸成為下階段應用主要場景，持續(xù)推動測試的效率提升。

最后，AI技術的應用不應該是盲目的，應該是體系化的引入。而在測試領域，TMMi體系本身框架，非常適合AI技術的結合，成為管理+技術的最佳范式組合。

· 發(fā)展一：接口測試案例生成。通過大模型依據(jù)測試接口定義或者日志自動生成接口測試案例。

· 發(fā)展二：智能推薦。AI通過分析歷史測試數(shù)據(jù)和其他項目的用例來推薦最佳實踐，提供針對類似業(yè)務的模板，減少模型開發(fā)時間，提供編寫效率，幫助測試編寫者改進新的測試用例的質量。

· 發(fā)展三：UI自動化測試案例生成?；谑止y試人員的測試過程錄像，通過大模型生成UI自動化測試案例。

· 發(fā)展四：覆蓋率分析。AI可以分析需求和現(xiàn)有的測試用例之間的關系，找出需求覆蓋不足的地方，并提示需要添加或改進的測試用例。