质量保证工程师可以发展成为人工智能（AI）战略家，在关注战略决策的同时，指导AI驱动的测试执行。据Victor Ionascu所说，AI不会取代测试角色，而是可以通过预测缺陷、自动化测试维护和优化基于风险的测试来增强它们。这种人与AI的合作对于在日益复杂的软件系统中保持质量至关重要。
Victor Ionascu 在 QA Challenge Accepted 上发表了关于人工智能在质量保证和软件测试中的作用的演讲。
QA专家们越来越多地转向AI来应对软件测试日益复杂的局面，Ionascu说。AI驱动的自动化可以提高测试覆盖范围，缩短测试周期，并提高结果的准确性，从而实现更高质量的软件更快发布，正如他在InfoQ文章中所解释的那样探索AI在自动化软件测试中的作用.
Ionascu 提到他正在使用 GitHub Copilot、Amazon CodeWhisperer 和 ChatGPT 等 AI 工具。他解释说，一旦理解如何有效使用 AI，其中一个主要好处就是效率显著提高：
例如，使用 Copilot 时，不再需要手动搜索特定类或函数是否存在，AI 会实时自动建议相关的代码片段。这加速了开发过程，并帮助我更多地专注于优化和改进测试背后的逻辑。
Ionascu 表示，像 ChatGPT 这样的工具在一般的研究和指导中已被证明是无价的。他不再花时间在多个来源中搜索信息，而是将这些工具作为强大的助手，在自动化过程中提供快速的见解和建议。他提到，这有助于减少研究复杂测试场景或框架所需的时间，从而最终加快了健壮测试脚本的开发。
虽然人工智能提供了巨大的潜力，Ionascu强调，人工智能并非没有局限性。他提到，人工智能缺乏对探索性测试和非功能测试（例如性能和安全）所需的情境理解和人类直觉。
未来，测试工作将随着人工智能的发展，使QA专业人员转变为AI战略家，AI工具将处理自动化测试的大部分执行和维护工作，Ionascu表示。他补充说，AI将使测试具备自适应和自我修复能力，并随着应用程序的发展而发展，从而减少QA团队的 overhead。
Ionascu 预计人工智能在预测性缺陷检测等领域也将有所提升：
人工智能可以分析历史数据，在高风险区域成为严重问题之前识别出来。
从长远来看，人工智能不会取代质量保证角色，而是会增强人类的能力，使团队能够专注于战略性和高价值的任务，如质量策略、探索性测试和基于风险的测试，Ionascu 说。关键在于人工智能与人类监督之间的合作伙伴关系，其中人工智能负责执行，而人类则推动创造力和战略，他总结道。
InfoQ采访了Victor Ionascu，讨论了如何将人工智能应用于软件测试。
InfoQ: 人工智能在测试中有哪些局限性？
Victor Ionascu：尽管它在自动化重复性任务方面表现出色，但人工智能在理解和处理复杂、特定领域的流程上下文方面仍然存在困难。由人工智能生成的测试可能需要人工优化以确保完整性和准确性，特别是对于性能和安全测试等非功能需求。人工智能缺乏人类的直觉，这对于探索性测试和发现难以自动化处理的边缘情况至关重要。
InfoQ: 你能举一个人类直觉在测试案例中起作用的例子吗？
Ionascu：一个边缘案例的例子是测试密码中的不可见或零宽度字符。
场景：用户输入一个看似有效的密码，但其中包含零宽度空间或不可打印的Unicode字符（例如，U+200B零宽度空间，U+200C零宽度非连接符）。
示例密码输入（用户视角）：P@ssw0rd（看起来正常）
实际密码（隐藏字符）：P@ssw0rd（P和@之间有一个零宽度空格）
使用人工智能的自动化会忽略这一点，因为：
自动化测试通常会检查长度、必需字符和结构，但可能无法检测到隐藏字符。大多数测试自动化框架将这些视为有效的输入，因为它们不会视觉上改变字符串。传统的基于正则表达式的验证规则会失败，除非明确检查隐形的Unicode字符。
人类使用人工智能可以有两种方式发现这一点：
人类测试者见解：手动粘贴从外部文档（例如Google文档、电子邮件）复制的密码可能会由于隐藏字符导致登录失败。AI辅助检测：AI驱动的异常检测可以将预期的登录行为与密码“看似正确”但实际上失败的尝试进行比较
测试这一点会有重大影响。用户可能会在无法登录时感到困惑，却不知道原因。这也可能被利用进行网络钓鱼攻击（例如，注册 Password123 并诱使用户认为这是 Password123）。