En los últimos años, las innovaciones en materia de aprendizaje automático e inteligencia artificial han contribuido a la evolución de muchos sectores de actividad. El mundo de las pruebas es uno de ellos. Pero, ¿cómo puede la IA formar parte de la automatización de pruebas? ¿Cómo puede ayudar a los equipos empresariales a entender mejor este campo? ¿Cuáles son sus beneficios, riesgos y limitaciones? Descubra la respuesta a estas preguntas en nuestra entrevista con Xavier Blanc.
Xavier Blanc es especialista en calidad de software. Director del Laboratoire Bordelais de Recherche en Informatique (LaBRI), cofundó ProMyze, una start-up que ayuda a definir e intercambiar buenas prácticas de desarrollo de software y así mejorar la calidad de los equipos. También es profesor en la Universidad de Burdeos, especializado en ingeniería de software.
La IA es un tema que está en el centro de las tendencias actuales y empieza a abrirse paso en el mundo de las pruebas en particular. Personalmente, ¿cómo cree que encaja la IA en la automatización de pruebas?
En particular, la IA puede ayudar a la automatización no dejando solo al automatizador: ¿cómo puede ayudar al automatizador en su trabajo para ayudarle a proporcionar pruebas de mejor calidad? Porque en última instancia, cuando escribes una prueba automatizada, repites las operaciones y ahí es donde la IA ha demostrado ser muy fuerte. Cuando empezamos a repetir, cuando hay datos que existen y hacemos cosas que ya hemos hecho, o que han hecho otras personas, ahí es donde la IA puede ayudarnos a añadir calidad. Tomaremos una solicitud y pediremos a la IA que la analice y nos ayude a encontrar las pruebas más relevantes.
Hay un segundo punto sobre el diagnóstico. Tenemos nuestra base de pruebas, sabemos automatizarla, funciona muy bien, y luego a veces sigue habiendo un diagnóstico difícil de hacer. La prueba nos dice que no funciona, está en rojo, así que hay un fallo, pero no es un fallo, es algo contextual: quizá sea la red que no funciona bien, una latencia. Y perdemos tiempo en el diagnóstico. Tenemos experiencia, pero es tan complicado que la intuición no basta, y ahí es donde la IA puede aportarnos rápidamente grandes beneficios.
¿Cuáles son los retos que la IA puede plantear para la automatización de pruebas?
La IA va a tener dificultades para ser muy contextual. Las aplicaciones que probamos son similares, pero todas tienen especificidades y estas especificidades significan que las opciones que se aplican a algunas aplicaciones no se aplican a otras. Hacer una IA que responda a todos los problemas de la Tierra no es ni siquiera una ambición. Lo que vamos a intentar hacer en cambio es una IA capaz de adaptarse al contexto . Por lo tanto, tendrá que aprender muy rápido, tendrá que adivinar las especificidades de este contexto y tendrá que ser muy relevante. Y ahí es donde vamos a tener enormes dificultades, en los próximos meses o años, es encontrar este contexto y saber tomar decisiones que quizás sean radicalmente diferentes, en lugar de tener una media dominante, donde la IA es fuerte en este momento: tiene muchos puntos y sabe encontrar por dónde pasa la curva entre todos estos puntos, pero ahí, va a tener que saber eliminar los puntos que no tienen sentido en el contexto de uso para tal o cual aplicación.
¿Cuál sería entonces el contexto ideal para que la IA forme parte de la automatización de pruebas?
Me gustaría ver la IA integrada en las aplicaciones. A menudo tenemos masas de datos y dedicamos tiempo a analizarlos. Ejecutamos los algoritmos y terminamos con una IA, pero le falta un poco de reactividad y tener la IA directamente en la aplicación le permitirá ser muy reactiva según el comportamiento del usuario. El comportamiento de los usuarios cambia de un día para otro, es casi imposible predecirlo y siempre vamos un poco por detrás. Tenemos los datos, los limpiamos y luego ejecutamos los algoritmos.
Creo que vamos a tener IAs integradas en las aplicaciones que minimizarán el tiempo de este bucle de retroalimentación. La IA será capaz de dar recomendaciones: los usuarios están haciendo esto hoy, deberías mirar este tipo de pruebas, etc. Ya lo estamos viendo en la seguridad. Siempre están vigilando y esto les permite detectar nuevos ataques. También tienen una IA colaborativa: tienen varios sitios y tratan de poner en común los conocimientos. Se puede imaginar este tipo de cosas entre diferentes aplicaciones, y te das cuenta de que el usuario cambia, tiene tal o cual comportamiento, o por el contrario, que hay anomalías. Y si hay una IA integrada en la aplicación, deberíamos tener información muy rápidamente para los desarrolladores, para anticiparnos a las correcciones de errores y ser mucho más reactivos.
En su opinión, ¿cómo podría la IA ayudar a los equipos empresariales, que no tienen un perfil técnico, en la automatización de pruebas?
Si tenemos una IA en la aplicación, debe ser capaz de hablar dos idiomas: el de las personas de la empresa y el de todas las personas que trabajan en el desarrollo de la aplicación. Si tenemos suficiente inteligencia en la IA, podríamos imaginar que entiende mejor a los usuarios y podría dirigirse a las personas de la empresa, diciéndoles exactamente lo que hacen los usuarios. Para un sitio de comercio electrónico, esto permitiría saber lo que compran. Por tanto, los empresarios deberían poder empezar a reaccionar proponiendo esto o aquello como resultado de los datos de la IA. Y también la IA debería indicar a los desarrolladores dónde hay un problema, por ejemplo en la pantalla, etc.
Esto también permitiría a la gente de la empresa hacer pruebas de negocio, pruebas A/B. Por el momento, estamos estableciendo métricas y observándolas, pero también podríamos saber si vale la pena o no. Y si hago eso, ¿qué predeciría la IA? ¿Será interesante o no? También podríamos imaginar lo mismo en el aspecto técnico: y si hago esto, ¿introduciré nuevos fallos o no?
¿Qué riesgos puede suponer la IA para el mundo de las pruebas?
Utilizando la metáfora de los puntos, la IA es muy buena para encontrar la curva que pasa por todos estos puntos, pero si le preguntas cuál es el siguiente punto, te dará el siguiente punto de la curva que ha dibujado. El problema es que si no tomas los puntos correctos, si te pasas, la IA te llevará a un terreno que está al oeste.
Y un segundo problema que puede surgir es quehaya puntos que no estén en la curva y que sean interesantes. También tendremos que decirnos a nosotros mismos que hay momentos en los que quizá debamos desconectar la IA y asumir riesgos. Y los ganadores serán los que consigan arriesgarse en contra de las predicciones de la IA.
Por lo tanto, existen estos dos escollos: tener una IA poco inteligente y que nos mande en la dirección equivocada, y la IA inteligente pero tampoco muy percudida y que no sugiera tomar un punto que no esté en la dirección correcta y que, sin embargo, sea un gran éxito. La IA hace promedios, así que ese es el riesgo, que nos quedemos estancados en la rutina.
Precisamente, ¿cuál es su grado de confianza en la IA?
Tengo absoluta confianza en la IA, si se tiene en cuenta que la IA es el algoritmo que encuentra la curva que pasa por todos los puntos. No es una respuesta muy honesta, pero no quiero gravar a la IA porque le hayamos dado malos puntos. La IA aprende, así que si le doy cosas poco inteligentes, aprenderá tonterías. Lo difícil es darle cosas inteligentes de las que pueda aprender. También tenemos algoritmos que están empezando a entender en qué dirección hay que dar la información para que pueda aprender rápidamente, pero de ahí a pedirle a la IA que clasifique por sí misma qué información debe utilizar y cuál debe rechazar, creo que no le corresponde al algoritmo de la IA hacer esta clasificación, está en la fase previa, y ahí es donde tendremos que ser un poco más exigentes con la forma de recoger los datos. Así que sí, tengo confianza, y creo que alcanzaremos niveles de confianza aún mayores si somos capaces de dar los puntos adecuados. Si tengo confianza en los puntos que damos, mucho menos, pero para mí, ya no es responsabilidad de la IA.
¿Puede hablarnos del trabajo que está realizando actualmente sobre las pruebas y la IA?
Estamos trabajando mucho en lo que hacen los usuarios desde la aplicación web y estamos empezando a tener bastantes sondas que nos permiten medir lo que hacen. Y a partir de ahí, una IA debería ser capaz de decirnos quiénes son nuestros usuarios. Hay un montón de tecnologías que se sabe que hacen algún tipo de clasificación: está el usuario mayoritario, el usuario que es muy raro, etc. Y la idea es que una IA pueda decirnos quiénes son nuestros usuarios. Y la idea es que podamos proporcionar conjuntos de pruebas automatizadas de forma automática, diciendo: si quieres probar lo que hace el usuario medio, sólo tienes que hacer eso, si quieres probar los usuarios de moda, esto es lo que debes hacer. El trabajo aquí, que es un poco difícil, es tomar todos los puntos que los seres humanos hacen en las aplicaciones y tratar de ver si no podemos clasificar eso, si no podemos categorizar esos puntos y pedirle a la IA que proporcione diferentes curvas. Una vez que tenemos estos modelos de comportamiento, podemos hacernos la siguiente pregunta: ¿no nos ayudarán estos modelos a probar mejor la aplicación? Esto enlaza con todo lo que he dicho, que es que actualmente estos modelos de comportamiento se hacen a posteriori y nos gustaría tenerlos en tiempo real, para saber si no cambian cada día, integrando la IA en la aplicación directamente.
¿Qué le ha parecido esta entrevista? Aproveche para descubrir nuestras otras entrevistas con Marc Hage Chahine y Bruno Legeard ¡!
