AI in het testvak: Bedreiging of versterking?

Ruben Smits- De conclusie

Hoewel AI het werk van testers zal veranderen en sommige taken eenvoudiger zal maken, het de rol van testers niet volledig zal overnemen. AI kan helpen bij het genereren van testscripts en testdata, maar mist nog steeds belangrijke menselijke vaardigheden zoals interpretatie, creatief redeneren en het begrijpen van context. Daarom blijft de menselijke tester onmisbaar, vooral voor het afwegen van risico's, het bedenken van alternatieve scenario's en het communiceren van bevindingen met het team. De focus van testers zal verschuiven naar strategie, risicoanalyse en kwaliteitsborging, waarbij AI als een ondersteunende tool fungeert.

 

De opmars van AI

AI is in opmars. Van slimme tekstassistenten zoals ChatGPT tot zelfrijdende auto’s en beeldherkenning: kunstmatige intelligentie dringt steeds dieper door in ons dagelijks leven. Logisch dus dat ik steeds vaker de vraag krijg: “Gaat AI het werk van testers overnemen?”

 

Tijd om de glazen bol erbij te pakken. Hebben testers over tien jaar nog werk?

 

De nabije toekomst: AI als assistent

De huidige generatie AI-modellen, zoals generatieve taalmodellen, kan nu al helpen bij het schrijven van efficiënte Python-scripts. De verwachting is dat deze modellen zich de komende jaren verder ontwikkelen en steeds beter worden in het ondersteunen van testautomatisering. Denk aan het automatisch genereren van testscripts op basis van requirements.

Toch is er een kanttekening: veel organisaties zijn terughoudend met het delen van gevoelige bedrijfsdata, zoals requirements, om AI-modellen te trainen. Dat maakt het lastig te voorspellen hoe snel deze ontwikkeling zal gaan. Maar dat AI hierin een rol gaat spelen, lijkt onvermijdelijk.

Daarnaast kan AI nu al helpen bij het genereren van testdata. Door productiegegevens te analyseren en op basis van specifieke criteria (zoals leeftijd, geslacht of gebruikersgeschiedenis) nieuwe testdata te creëren, kunnen testers sneller en gerichter testen. Ook het analyseren van logbestanden op patronen is een taak die AI uitstekend kan uitvoeren.

 

De verdere toekomst: Waar AI tekortschiet

Toch is dit slechts een deel van het testvak. Goede testers kijken verder dan requirements. Ze denken in risico’s, alternatieve scenario’s en edge cases. En juist daar wringt de schoen voor AI.

AI mist nog altijd belangrijke menselijke vaardigheden zoals interpretatie, creatief redeneren en het trekken van conclusies. Een simpel voorbeeld: schrijf je in een tekstverwerker “Ik schrijf dit bewust vout”, dan markeert de spellingscontrole het woord “vout” als foutief. De computer begrijpt niet dat de fout bewust is gemaakt. Het mist context.

Een ander, praktischer voorbeeld: een zelfrijdende auto herkent verkeerslichten. Maar wat als de AI een ondergaande zon verwart met een rood verkeerslicht? Dat is geen hypothetisch scenario, maar een echte

situatie waarin een auto plotseling remde. AI kan regels volgen, maar mist het vermogen om uitzonderingen te begrijpen. Met soms gevaarlijke situaties tot gevolg.

 

De kracht van de tester

En precies daar ligt de kracht van de tester. Een goede tester denkt niet alleen over de happy flow, maar onderzoekt ook wat er mis kan gaan. Hij weegt risico’s af, denkt na over impact en belangen, en communiceert daarover met het team. AI kan daarbij ondersteunen, maar is nog lang niet in staat om die rol zelfstandig te vervullen.

 

Hoe zie jij de toekomst van het testvak?

Deel je visie, ik ben benieuwd!

 

Disclaimer: Hoewel AI mij heeft geholpen om deze tekst goed leesbaar te maken, deelt AI mijn visie niet geheel. De visie is dus echt van mij zelf! ????

Naar het overzicht