AI大模型激战正酣：软通动力AI测试数据平台即将上线

2023 年AI大模型的产业应用全面爆发，有知识库、客服、招聘、法律等等常见场景，也有代码补全、代码注释、代码解析、代码转译等开发效能场景，在测试领域，通过引入大型AI模型，更是极大地改变了原有的作业组织和资源分布策略，对提升测试效率，提高测试覆盖，强化测试有效性起到了巨大的推动作用。

1、传统作业组织模式下，测试领域所面临的主要困难

软件工程的质量评价严重依赖测试这一工程环节。在系统研发环节，虽然已经有自动化测试、接口测试等各种技术手段的介入，但是，功能测试仍然非常依赖人工测试的参与。从测试工程规划和阶段划分上：

测试规划：整体测试计划、测试轮次、测试资源、测试覆盖强度和质量目标等涉及到路径、资源、进度等复杂问题；

需求分析：在需求、设计等前置文档基础上，提取测试点，形成测试担纲和测试要点，是测试活动过程中定义后续测试工作的关键要素；

测试设计：需要将测试点转换为测试大纲、测试案例，这一过程是一个综合专业方法基础上大规模人力参与过程，当测试点较多且测试规则复杂时，测试案例的成果产出对精准度有完整性的要求；

测试执行：海量的测试用例在执行轮次中的案例选择、关键路径、关键交易、关键要素提取，都需要建立在经验、统筹、和全面的案例检索基础上的动态决策；

测试数据：从各类测试在单功能、单交易基础上的数据准备，到流通性、全面性测试的关联数据准备和参数、规则等逻辑检验……，大数据量测试数据的产生目前仍然依靠技术开发人员，对于测试人员仍存在瓶颈；

测试数据和自动化测试对接仍存在断档；所有这些内容，都很大程度上依赖实施团队的经验，依靠大量的人工投入去承接。在数字化需求不断衍生，数字化应用迭代周期不断压缩的时代，如何有效提升相关工程环节的工作效率，一直是各方在积极探索和研究的方向，而AIGC的出现，无疑给了这一命题的解决以巨大的推动力。

2、AI大模型在测试领域发挥的作用

随着AI大模型能力的推出，需要人工大力投入的测试分析工作可以用AI能力解决，并在利用企业厚重测试资产的情况下，AI大模型可以在测试计划安排、测试需求分析、测试案例、测试报告等方面发挥重要作用，如下图所示：

AI大模型相比于传统测试工作而言，具有强大的文档分析、归纳总结能力，并通过训练或定制化开发具有学习历史资产的能力，可以在测试计划安排、测试需求分析、测试案例、测试报告发挥重要作用。

3、测试领域场景精准能力

虽然AI大模型在语义层面的归纳推理能力较强，但实际测试活动过程中的最终测试数据需要精准化产生。涉及到需要对测试分析的测试点将测试领域的Meta数据进行管理和配置，实现测试要素、测试规则、测试交易、测试场景、测试数据自动产生等灵活配置，这些精准能力是AI大模型较为欠缺的，因此需要将AI大模型的推理归纳总结能力和精准规则产生能力进行结合。

软通动力已在多个行业领域进行大模型服务探索，已沉淀数个成功案例，针对测试领域的长久痛点，将AI大模型能力和测试精准Meta组合能力结合，面向测试工程效能领域推出AIDT（AI自动化测试数据平台）产品。

整体功能如下：

在该平台中，我们可以实现完整的测试工程中的测试分析、测试案例、测试数据产生等功能，产生的测试数据还可以直接对接企业内部自动化测试平台或数据接口测试平台，实现一次配置、多场景复用的降本增效目的。

AI时代加速到来，大模型必将引发新一轮的技术和生产力变革。面对机遇和挑战，软通动力将聚焦做好大模型的产业化应用，更好地服务产业数字化发展，有效赋能金融、工业、能源、制造等领域，实现数字化转型的有效蝶变。

免责声明：本文仅供参考，不构成投资建议。