Get best of the week

Probar tendencias para observar en 2020

Saludo, Khabrovsk. En previsión del lanzamiento del curso Mobile QA Engineer 2.0, hemos preparado para usted una traducción de otro material sobre tendencias de prueba en 2020.



El campo de las pruebas de software está evolucionando día tras día. Estamos presenciando el desarrollo de tendencias que aparecieron en 2019, así como la formación de otras nuevas. Este año, nuestro equipo de expertos en automatización de pruebas hizo varias predicciones sobre las principales tendencias en las pruebas de software. ¡Te invitamos a familiarizarte con ellos!

Para tener una idea de las tendencias de pruebas de software en 2019, puede leer nuestro artículo .

1. Inteligencia artificial y aprendizaje automático en pruebas


Según los numerosos informes recibidos, es seguro decir que la automatización inteligente permanecerá en el radar de los probadores en 2020.

El uso de la inteligencia artificial y el aprendizaje automático ya no es una idea nueva en el campo de las pruebas de software. La IA hace que las pruebas sean más alfabetizadas. Los equipos pueden usar AI / ML para optimizar sus estrategias de automatización, adaptarse más rápido y aumentar la eficiencia del trabajo.

En 2019, los equipos de garantía de calidad (QA) utilizaron AI / ML para predecir la calidad de las pruebas, priorizar casos de prueba, clasificar errores, detectar objetos de prueba, interactuar con aplicaciones probadas (AUT) y muchos otros objetivos.

Se espera que la inteligencia artificial se aplique en todas partes en todas las áreas de la tecnología de la información. Las inversiones en esta área son aproximadamente del nivel de 6-7 mil millones de dólares solo en América del Norte. Según las previsiones, para 2025, la inversión alcanzará casi $ 200 mil millones. Esperamos ver el uso de IA en una gran cantidad de áreas de prueba, por supuesto, muchas de ellas están relacionadas con informes y análisis:

  • Análisis de registros: identifique casos de prueba únicos que requieren pruebas manuales y automatizadas.
  • Test Suite Optimization: detecta y elimina casos de prueba redundantes e inútiles.
  • Proporcionar cobertura de requisitos de prueba: Recuperar palabras clave de la Matriz de seguimiento de requisitos (RTM).
  • Análisis predictivo: predicción de parámetros clave y características específicas del comportamiento del usuario, así como identificación de áreas de la aplicación en las que debe centrarse.
  • Análisis de errores : identificación de áreas del producto de software y errores asociados con riesgos comerciales.

Otro pilar en el que se basa la automatización inteligente es el aprendizaje automático. En 2020, ML entrará en un nuevo nivel de aplicación. Según el informe Capgemini World Quality, el 38% de las organizaciones planearon implementar proyectos de aprendizaje automático en 2019. Los expertos de la industria predicen que esta cifra aumentará este año.

¿Qué significa esto para las organizaciones?


A pesar de la creciente demanda de IA y ML en las pruebas, los expertos aún creen que estas tecnologías solo están surgiendo en las pruebas. Sin embargo, muy pronto veremos su crecimiento.

A medida que la IA impone nuevas demandas a los equipos de garantía de calidad, los equipos ágiles deben comenzar a introducir habilidades relacionadas con la IA que incluyen el aprendizaje de la ciencia de datos, las estadísticas y las matemáticas. Las nuevas habilidades no reemplazarán, sino que complementarán las habilidades básicas en el campo de las pruebas y el desarrollo automatizados (S-DET).

Además, la perspicacia comercial será otra habilidad importante. Un buen probador debe combinar buenas habilidades de IA y habilidades excepcionales. El año pasado, aparecieron nuevas publicaciones, como AI QA Analyst y Data Analysis and Testing Specialist.

En cuanto a los desarrolladores de herramientas de automatización, su tarea es centrarse en crear las herramientas más prácticas.

Las empresas prueban conceptos y revisan la forma tradicional de trabajar para implementar mejor la IA mientras toman en cuenta los presupuestos. Una buena herramienta con soporte para la inteligencia artificial debería proporcionar tanto eficiencia comercial económica como aspectos técnicos, como ver registros de producción, generar scripts de prueba o responder a la actividad en la producción.

2. Automatización de pruebas en equipos ágiles


La automatización de pruebas está lejos de ser una novedad en el campo del aseguramiento de la calidad. De hecho, el 44% de las empresas de TI planearon automatizar más del 50% en 2019 . Según el pronóstico, en 2020 el porcentaje de implementación de pruebas automatizadas solo crecerá.

A medida que más y más empresas implementan los últimos procesos Agile y DevOps para entregar un producto de calidad lo antes posible, la automatización de pruebas se está convirtiendo en una parte integral de este sistema. La automatización de pruebas está liderando el camino para ayudar a los equipos a completar tareas repetitivas, detectar rápidamente errores, proporcionar comentarios continuos y completar la cobertura de pruebas. Por lo tanto, las organizaciones que implementan pruebas automatizadas en sus procesos de garantía de calidad pueden ahorrar una cantidad significativa de recursos financieros, de tiempo y humanos.

Se espera que la automatización de pruebas en 2020 sea especialmente bienvenida por los emprendedores milenarios que usan una combinación de herramientas abiertas y pagas.

¿Qué significa esto para los profesionales de control de calidad?

De una forma u otra, la automatización de pruebas no excluye las pruebas completamente manuales. De hecho, los buenos equipos de control de calidad deben combinar adecuadamente las pruebas manuales y automatizadas para maximizar la eficiencia y garantizar la calidad adecuada del software. La importancia de las pruebas automatizadas es difícil de argumentar, pero algunos tipos de pruebas, como las pruebas exploratorias o de usabilidad, aún deben hacerse manualmente.

Además, los profesionales de control de calidad deben desarrollar un entorno global inteligente y transversal. Cada vez más, es necesario automatizar los procesos desde el ensamblaje hasta la implementación. La automatización de pruebas ahora se considera no como un requisito funcional, sino como una parte integral del ciclo de vida del producto.

Es más fácil decirlo que hacerlo. Es por eso que muchas organizaciones no pueden aprovechar al máximo la automatización y obtener el retorno de la inversión deseado. Hay una recomendación en el informe Capgemini World Quality que, en lugar de considerar la automatización como una oportunidad, los evaluadores deberían considerarla como una plataforma grande, inteligente y conectada.

¿Qué significa esto para los desarrolladores de soluciones de automatización de pruebas?

Los desarrolladores de herramientas de automatización de pruebas deben actualizar y actualizar constantemente las herramientas para garantizar que sus soluciones cumplan con los requisitos de los equipos de garantía de calidad. Las soluciones de prueba automatizadas para el futuro deben cumplir ciertos criterios, por ejemplo:


3.


Big Data juega un papel importante en varios sectores del mercado, ya sea tecnología, salud, bancos, comercio, telecomunicaciones, medios, etc. Se presta cada vez más atención al uso de datos para la segmentación y la optimización de los procesos de toma de decisiones.

Probar big data permite a las industrias trabajar de manera productiva con grandes volúmenes de datos y sus diversos tipos. También ayuda a tomar mejores decisiones a través de la validación precisa de datos, y también mejora la estrategia de marketing. Dichas pruebas ya no son nuevas. Se espera un crecimiento exponencial en esta área, ya que muchas industrias se están moviendo hacia un enfoque basado en datos.

La tendencia de las pruebas de Big Data es generalizada, principalmente debido a la confiabilidad de los procesos que la mayoría de las empresas siguen para aprovechar al máximo sus estrategias de marketing. Probar big data no es raro y su popularidad está creciendo. Prevemos que la necesidad de probar aplicaciones de big data solo crecerá en 2020.

4. QAOps: garantía de calidad y transformación de DevOps


Si no ha escuchado sobre el término QAOps, entonces esto es solo cuestión de tiempo.

Es posible que ya esté familiarizado con DevOps, un conjunto de métodos para el desarrollo de software que combina el desarrollo (Dev) y las operaciones en el campo de los servicios de tecnología de la información (Ops). El objetivo principal de DevOps es simplificar el Ciclo de vida del desarrollo del sistema (SDLC), mientras que los equipos pueden centrarse en crear nuevas funciones, corregir errores y actualizaciones frecuentes que cumplan con los objetivos comerciales. DevOps agiliza la colaboración entre desarrolladores y representantes comerciales.

Del mismo modo, QAOps ayuda a aumentar el flujo de comunicación directa entre los probadores y los desarrolladores, al integrar las pruebas en la tubería de CI / CD y al garantizar que los probadores trabajen con otros en un equipo. En pocas palabras, QAOps se basa en dos principios principales:

  1. CI/CD.
  2. CI/CD.



Facebook es uno de los mejores ejemplos de implementación de QAOps. En 2014, el equipo de Facebook decidió cambiar a Facebook Graph API 2.0 y forzar una Revisión de inicio de sesión en todas las aplicaciones. Para garantizar una migración sin problemas, el equipo quería probar la nueva versión en las 5000 aplicaciones más grandes. Las pruebas internas resultaron ser imposibles, por lo que decidieron usar QAOps tercerizados. Al final, el equipo pudo probar más de 5,000 aplicaciones en un mes y logró resolver problemas críticos, lo que no sería posible si solo el propio equipo de Facebook estuviera involucrado en este proceso.

QAOps se puede utilizar no solo en empresas tecnológicas globales, sino también en equipos medianos y pequeños. Esta práctica se adapta bien al tamaño de cualquier negocio.

A medida que más y más equipos gravitan hacia DevOps, esperamos ver una tendencia alcista en QAOps en 2020.

5. Pruebas de IoT


El crecimiento de las pruebas de los dispositivos de Internet de las cosas (IoT) se observó en 2019 . Según Gartner, en 2020 el número de dispositivos de Internet de las cosas debería alcanzar los 20.500 millones. Las

pruebas de IoT son pruebas de dispositivos de Internet de las cosas por seguridad, facilidad de uso, confiabilidad, compatibilidad de versiones y protocolos de dispositivos, versatilidad de elementos de software, monitoreo del retraso de conexión escalabilidad, evaluación de integridad de datos, autenticidad del dispositivo, etc.

Los probadores de IoT a menudo enfrentan una enorme cantidad de trabajo en esta área, especialmente el monitoreo de protocolos de comunicación y sistemas operativos, así como numerosas combinaciones de varios elementos del sistema de Internet de las cosas. Por esta razón, el equipo de evaluadores debe ampliar continuamente sus conocimientos, mejorar el nivel de habilidades en el campo de la usabilidad, la seguridad y el rendimiento de las pruebas de IoT.

Otro problema que enfrentarán los probadores de IoT en los próximos años son las estrategias. A pesar de que el número de dispositivos y aplicaciones de Internet de las cosas está creciendo exponencialmente, el 34% de los encuestados dijo que a pesar de la presencia de módulos de Internet de las cosas en sus productos, sus equipos de garantía de calidad aún no tienen una estrategia de prueba establecida, como se señala en el Informe de calidad mundial .

6. Requisitos de ciberseguridad y control de riesgos.


La revolución digital está aumentando las amenazas de seguridad. El CIO y CTO de casi todas las compañías en muchas industrias reconocen la importancia de probar la seguridad de su software, aplicaciones, redes y sistemas. Los equipos de desarrollo de software trabajan con empresas asociadas para ayudar a proporcionar a sus productos el nivel adecuado de seguridad.

Las pruebas de seguridad no solo brindan seguridad en las transacciones (independientemente de si se trata de dinero o datos), sino también de la protección de los datos personales de los usuarios. Dado que las amenazas cibernéticas pueden ocurrir en cualquier momento y en cualquier forma, las pruebas de seguridad seguirán siendo un tema popular en el futuro.

Conclusión


Aquí hay una lista de nuestras previsiones con respecto a las principales tendencias en las pruebas de software en 2020. Independientemente de cómo se llevará a cabo la transformación digital, no hay duda de que los probadores y las compañías de software continuarán haciendo nuevos cambios y ajustes. Como resultado, los equipos de calidad, los líderes y los profesionales deben evolucionar constantemente para mantenerse flexibles en esta industria en constante cambio.


Aprende más sobre el curso

More articles:


All Articles