Jeszcze kilka lat temu rozmowa o rozwoju testowania oprogramowania często prowadziła do jednego tematu: automatyzacji. Dziś dołączył do niej kolejny uczestnik, który potrafi pisać kod, analizować dokumentację, generować przypadki testowe i pomagać w wykrywaniu błędów. Ma na imię AI i najwyraźniej nie zamierza szybko odejść. Co to oznacza dla testera manualnego z dziesięcioletnim doświadczeniem? Czy powinnam zacząć się zastanawiać, czy moja specjalizacja ma jeszcze sens? A może zamiast konkurować ze sztuczną inteligencją, warto przyjrzeć się temu, co właściwie robię na co dzień i jaką wartość wnoszę do zespołu?
Nie każdy błąd zaczyna się od czerwonego komunikatu na ekranie
Wyobraźmy sobie taką sytuację: klient zgłasza problem. Opis jest krótki, okoliczności nie do końca jasne, a rezultat nie zawsze daje się odtworzyć. Z perspektywy użytkownika aplikacja po prostu nie działa tak, jak powinna. Na tym etapie nie mamy jeszcze gotowego zadania dla programisty. Mamy zagadkę.
Trzeba zrozumieć, co właściwie się wydarzyło, ustalić warunki wystąpienia problemu, przeanalizować dostępne informacje i spróbować odtworzyć sytuację w środowisku testowym. Czasami rozwiązanie znajduje się na wyciągnięcie ręki. Innym razem trzeba przejść przez kilka scenariuszy, sprawdzić zależności i zadać klientowi dodatkowe pytania. To właśnie jeden z obszarów, w których doświadczenie testera manualnego ma szczególne znaczenie. Należy ustalić, dlaczego system nie działa zgodnie z oczekiwaniami, w jakich okolicznościach pojawia się problem i jakie informacje będą potrzebne, aby skutecznie go rozwiązać.
Po dziesięciu latach pracy wiem, że pierwsza hipoteza nie zawsze jest właściwa, a pozornie podobne zgłoszenia mogą mieć zupełnie inne przyczyny. Dlatego nie zatrzymuję się na pierwszym podejrzeniu. Weryfikuję je.
Między klientem a programistą - więcej niż przekazywanie informacji
Jednym z ważniejszych elementów mojej pracy jest współpraca z klientami oraz zespołem programistycznym. Klient opisuje problem ze swojej perspektywy. Programista potrzebuje informacji, które pozwolą mu zrozumieć i przeanalizować przyczynę błędu. Moim zadaniem jest połączyć oba te światy.
Kiedy analizuję zgłoszenie, nie ograniczam się do przepisania jego treści do Jiry. Staram się ustalić, co dokładnie się wydarzyło, jakie kroki prowadzą do wystąpienia problemu, jaki rezultat powinien pojawić się w prawidłowo działającym systemie i co faktycznie się dzieje. Jeśli uda mi się odtworzyć błąd, przygotowuję zgłoszenie zawierające konkretne kroki reprodukcji, oczekiwany i rzeczywisty rezultat oraz dostępne informacje pomocne w dalszej analizie. Brzmi jak podstawy testowania? Oczywiście! Tyle że podstawy wykonywane dobrze mają ogromne znaczenie dla efektywności całego zespołu.
Nieprecyzyjne zgłoszenie może prowadzić do dodatkowych pytań, kolejnych prób odtworzenia problemu i niepotrzebnego wydłużenia czasu jego rozwiązania. Dobrze przygotowany task pozwala programiście szybciej zrozumieć sytuację i skupić się na analizie technicznej. Nie muszę samodzielnie naprawiać każdego błędu, aby mieć realny wpływ na czas i jakość jego rozwiązania. Muszę natomiast dostarczyć zespołowi informacje, którym można zaufać.
Retest to nie kliknięcie przycisku „Sprawdź ponownie”
Kolejnym ważnym elementem mojej specjalizacji jest retestowanie błędów zgłaszanych przez klientów. Programista informuje, że poprawka jest gotowa. W idealnym świecie wystarczyłoby uruchomić aplikację, wykonać jeden krok i potwierdzić, że problem zniknął.
W praktyce warto zadać sobie kilka pytań.
- Czy błąd rzeczywiście został wyeliminowany?
- Czy poprawka działa w warunkach, w których wcześniej występował problem?
- Czy nie wpłynęła negatywnie na inne obszary aplikacji?
- Czy rezultat jest zgodny z oczekiwaniami użytkownika, a nie tylko z technicznym założeniem dotyczącym poprawki?
Retest wymaga znajomości kontekstu zgłoszenia, zrozumienia wcześniejszych zachowań systemu i umiejętności oceny rezultatu. Czasami poprawka rozwiązuje problem dokładnie tak, jak powinna. Czasami okazuje się, że pierwotny błąd zniknął, ale pojawił się kolejny. Zdarza się również, że problemu nie da się już odtworzyć, jednak dostępne informacje nie pozwalają jednoznacznie potwierdzić, czy został trwale rozwiązany. W takich sytuacjach nie chodzi o to, żeby za wszelką cenę zamknąć zgłoszenie. Chodzi o to, żeby podjąć świadomą decyzję na podstawie przeprowadzonych testów.
AI potrafi wiele. Ale co właściwie chcemy sprawdzić?
Nie zamierzam udawać, że sztuczna inteligencja nie zmienia branży IT. Zmienia ją i trudno oczekiwać, że testowanie, również manualne, pozostanie na te zmiany odporne. AI może pomóc w analizie zgłoszeń, przygotowywaniu scenariuszy testowych, porządkowaniu dokumentacji czy generowaniu pomysłów na dodatkowe przypadki. Może przyspieszyć część zadań, które wcześniej wymagały więcej czasu. Jednocześnie wygenerowanie listy przypadków testowych nie jest tym samym co ustalenie, które z nich są najważniejsze w konkretnej sytuacji. Opisanie potencjalnych przyczyn błędu nie oznacza jeszcze, że udało się potwierdzić którąkolwiek z nich. A przygotowanie poprawnie sformułowanego zgłoszenia nie gwarantuje, że zawiera ono wszystkie informacje potrzebne do rozwiązania rzeczywistego problemu.
W testowaniu liczy się nie tylko to, ile informacji potrafimy wygenerować, ale również to, czy potrafimy je zweryfikować i właściwie wykorzystać.
Dlatego patrzę na AI przede wszystkim jak na narzędzie, które może wspierać pracę testera. Nie zwalnia ono jednak z odpowiedzialności za ocenę wyników, rozumienie kontekstu i podejmowanie decyzji. Nie muszę konkurować z AI w szybkości generowania tekstu. Większą wartość widzę w umiejętności zadania właściwego pytania, zakwestionowania nieoczywistego założenia i sprawdzenia, czy otrzymana odpowiedź ma sens w rzeczywistym środowisku aplikacji.
Dziesięć lat doświadczenia to nie dziesięć lat klikania
To umiejętność analizowania niejednoznacznych zgłoszeń, szukania zależności, odtwarzania problemów, weryfikowania poprawek i komunikowania wyników w sposób zrozumiały dla różnych odbiorców. To także cierpliwość w sytuacjach, w których błąd nie chce się odtworzyć za pierwszym, drugim ani piątym razem. Dociekliwość, kiedy początkowe wyjaśnienie nie pasuje do zebranych informacji. I odpowiedzialność za to, żeby nie potwierdzać poprawności rozwiązania bez wystarczających podstaw.
Nie każdy tester musi zostać specjalistą automatyzującym testy. Wierzę, że zespoły potrzebują różnych kompetencji, a ścieżka rozwoju nie musi oznaczać porzucenia dotychczasowego doświadczenia na rzecz zupełnie innego stanowiska. W moim przypadku istotne jest dalsze rozwijanie kompetencji, które już wykorzystuję: analizy problemów, diagnostyki, pracy z informacją, komunikacji z klientami i współpracy z programistami. Równocześnie chcę lepiej rozumieć nowe narzędzia i świadomie korzystać z ich możliwości.
Czasem wydaje mi się, że te dziesięć lat doświadczenia w testowaniu manualnym należy dziś traktować jak kompetencję, którą trzeba usprawiedliwiać. Nie wierzę, że przyszłość testowania sprowadza się do prostego podziału na tych, którzy automatyzują, i tych, którzy zostaną zastąpieni. Niezależnie od tego, jak zaawansowane staną się narzędzia, ktoś nadal musi ustalić, czy rozwiązują właściwy problem. I tu mam nadzieję wkraczać ja, uzbrojona w nowe kompetencje, ale wciąż z silnym doświadczeniem w swojej dziedzinie.
Dodaj komentarz
Komentarze