定義

自律的テストとは、機械学習（ML）や人工知能（AI）を搭載したインテリジェントシステムを利用して、人間の介入を最小限または全く行わずにソフトウェアテストを実行、監視、適応させる手法を指します。事前にスクリプト化されたパスに従う従来の自動化とは異なり、自律システムはアプリケーションの状態を動的に探索し、失敗から学習し、テストケースを自己修復することができます。

なぜ重要なのか

今日のペースの速いDevOps環境では、手動および固定的な自動テストでは継続的インテグレーション/継続的デリバリー（CI/CD）の速度に追いつくことができません。自律的テストは、スケーラブルでプロアクティブな品質ゲートを提供することで、この問題に対処します。これは、品質保証をリアクティブなチェックポイントから、開発ライフサイクル全体に組み込まれた継続的でインテリジェントなプロセスへと移行させます。

仕組み

その中核的なメカニズムには、いくつかのAIコンポーネントが関与しています。これらのシステムはまず、ユーザー行動ログ、コード構造、過去の欠陥レポートなど、大量のアプリケーションデータを取り込みます。次に、強化学習または生成モデルを使用してインテリジェントなテストシナリオを作成します。システムはこれらのテストを実行し、アプリケーションの応答を監視し、フィードバックループを使用してテスト戦略を洗練させます。例えば、歴史的にリグレッションを引き起こしやすい領域により重点を置くなどです。

一般的なユースケース

自律的テストは、複雑なシナリオで優れています。マイクロサービスを横断する機能リグレッションテスト、シミュレートされた負荷下でのパフォーマンスのボトルネック特定、そして単に既知の機能を検証するのではなく未知のバグを見つける必要がある探索的テストなどです。

主な利点

主な利点には、テストカバレッジの大幅な向上、開発者へのフィードバックループの高速化、および脆弱で手動のテストスイートを維持することに関連する運用コストの削減が含まれます。これにより、チームはより深く、より頻繁にテストを行うことができます。

課題

実装の複雑さが大きな障害となっています。必要なデータパイプラインの設定、堅牢なMLモデルのトレーニング、およびAIの決定が追跡可能で監査可能であることを保証するには、専門的な専門知識が必要です。さらに、AIが学習するための「真実の基準（グラウンドトゥルース）」を定義することは、依然として重要な課題です。

関連概念

この概念は、インテリジェントオートメーション、自己修復テスト、AI駆動のテストオーケストレーションと大きく重複しています。自動化がステップを実行するのに対し、自律性は学習されたインテリジェンスに基づいて次にどのステップを実行するかを決定します。