Zvolte si cíle i priority
To, jak je automatizace testování efektivní, závisí do velké míry na správně definovaných cílech. Pokud se týmy soustředí na nesprávné oblasti, hrozí plýtvání zdroji i nízký návrat investic. „Z praxe radím udělat si nejdříve analýzu Return on investments, tedy co od přechodu očekáváte a kolik vás to bude stát. Týmy často chybují a jdou do hurá akce – místo toho by si ale měly jasně definovat, s jakou časovou úsporou nebo snížením chybovosti do budoucna počítají,“ říká Zientková s tím, že je namístě cíle také pravidelně přehodnocovat podle měnících se priorit a potřeb.
Sáhněte po vhodných nástrojích
I správný výběr nástrojů je pro konečný výsledek automatizovaného testování určující a závisí na specifikách daného projektu. Česká spořitelna se soustředí především na komplexní procesně orientované testy, které plánuje, sleduje a řídí v nástroji Xray, fungujícím přímo v rámci systému Jira.
Jako nástroj pro automatizaci se pak podle Zientkové osvědčil například Playwright nebo Robot Framework, pro který nejsou nutné široké programátorské schopnosti. I když jimi testeři často disponují, v praxi využití takové kombinace vždy žádoucí není. „Je totiž potřeba klást důraz na nezávislost, a pokud někdo funkčnost vyvíjí i testuje, nemůže pak sám sobě hlásit, že něco udělal špatně,“ vysvětluje.
Zajímá vás práce v IT?
Kontrolujte a udržujte
Jednotný standard – další podmínka pro co nejlepší výsledky na poli automatizovaného testování. Stěžejní je ho dodržovat, dokumentovat a kontrolovat po sobě navzájem. Právě průběžná revize testů zaměstnává experty v České spořitelně na denní bázi. „Není to o tom, že jednou vytvořím sadu testů a tu budu donekonečna opakovat, protože pokud opakujete pořád ty stejné testy, přestávají týmy chyby nacházet,“ říká Jana Zientková. Důležité je tak soustavně testovací skripty upravovat, aby odpovídaly aktuálním potřebám projektu.
Nebojte se AI
Analýza historických dat z testování, identifikace nejčastějších chyb nebo návrhy prioritních testovacích scénářů – i s tím může v současnosti testerům a vývojářům pomáhat umělá inteligence. Jako konkrétní efektivní nástroj z oblasti AI uvádí Jana Zientková například Copilot, asistent s AI, který pomáhá právě při tvorbě automatizovaných scriptů. Do budoucna by pak podle jejích slov Česká spořitelna ráda prozkoumala možnosti generování specifických syntetických dat nebo AI analýzu dat ze zátěžového testování. Podle ní ale umělá inteligence zatím nemá kapacitu nahradit práci testerů.
Automatizace není pro všechno!
I samotné testování je v řadě případů lepší ponechat lidskému faktoru. Automatizace je sice ideální například pro testy, které jsou často opakované, prediktivní a nevyžadují komplexní rozhodování, jiné testování – to komplexnější nebo zaměřené na uživatelskou zkušenost – je ale často lepší v manuální verzi.
„Představa, že například zakládáte hypotéku, znamená, že ji založíte v jednom systému, ale do dalších integrovaných systémů je potřeba se v procesu zapojit. Když je takových procesů víc, je automatizace složitější,“ popisuje Zientková, podle níž je tak role člověka v testování především díky jeho kritickému myšlení stále nenahraditelná.
