Revolucionando las pruebas de JS con IA: Desenmascarando el futuro de la garantía de calidad

¡Hola a todos! Mi nombre es Rinaldi, y hoy voy a dar una charla sobre cómo revolucionar las pruebas de JS con IA. Desvelando el futuro del aseguramiento de la calidad. Como probablemente ya saben, la IA, particularmente la IA generativa, ha estado haciendo grandes avances en el cambio del panorama de diferentes tipos de programación. Javascript es solo uno de ellos. Y no solo el aspecto de programación en sí, sino también el elemento de testing. Y eso ha sido capaz de abrir muchas oportunidades para la mejora dentro del aseguramiento de la calidad. Y por lo tanto, es ahí donde vamos a profundizar en este tema hoy.

Así que sin más preámbulos, vamos directo al grano. Me gustaría presentarme brevemente. Soy ingeniero de software para Seek. También poseo las 13 certificaciones de AWS. Soy un experto en la materia para la certificación de Arquitecto Profesional de Soluciones AWS y Especialista en Análisis de Datos de AWS. He sido ponente internacional en más de 30 eventos y conferencias. También disfruto de todas las cosas relacionadas con AWS, el código abierto, las pruebas y la realidad virtual.

Así que, adentrándonos directamente en este tema, ¿cuál es el meollo del asunto que queremos abordar hoy? Bueno, realmente se trata de poder entender la creciente tendencia de la IA generativa dentro de las testing, porque hemos visto una mayor tendencia de cómo se está llevando a cabo actualmente en el ámbito de las testing. Y hoy en día, no solo puedes automatizar y crear nuevos textos o generar nuevas historias con IA generativa, sino que ahora puedes crear código con IA generativa, crear pruebas con IA generativa para tu código. Así que tiene mucho potencial en lo que puedes hacer con ella. Y como mencioné antes, esto conduce a muchas nuevas áreas como la creación sin código de casos de prueba. Y por supuesto, eso luego conduce al potencial de abrir la creación de pruebas a cualquiera. Así que no solo son aquellos que están muy versados en la creación de pruebas los que pueden hacer esto, sino que los desarrolladores normales o incluso las personas no técnicas pueden empezar a investigar esto y ayudar con el proceso de desarrollo de las pruebas también. Así que en general, está revolucionando el panorama de una manera realmente grande.

¿Cuál es el papel del machine learning dentro de las pruebas de IA? Bueno, en primer lugar, estamos utilizando la IA para poder mejorar los procesos de prueba de software. Se está convirtiendo en un asistente para nosotros con el que poder trabajar, para poder crear una plantilla sobre la que poder construir. Y aparte de eso, nos ayuda a asegurarnos de que lo que estamos haciendo es correcto. Así que una de las cosas que es muy común en la creación de casos de prueba es la ocurrencia de errores humanos. Introduciendo la IA en la mezcla, puede ayudarnos a prevenir que eso ocurra y redirigirnos en cambio a estar más centrados en cómo podemos hacer mejores pruebas y cómo podemos hacer pruebas más a prueba de errores. Ese es el poder de la IA generativa. Y queremos poder automatizar también la detección de errores basándonos en la historia. Eso es una de las cosas que ha podido hacer por nosotros también, porque lo que podemos hacer es que podemos crear un proceso automatizado donde el manejo de errores y la comprobación de errores es algo normal, de modo que la IA puede inmediatamente simplemente comprobar basándose en la historia. Quizás podría haber errores potenciales aquí y en consecuencia simplemente proporcionar y proporcionar mejores sugerencias basándose en eso.

Además de eso, también está redefiniendo cómo somos capaces de realizar el aseguramiento de la calidad, como se mencionó antes, también podemos integrarlo como parte de nuestro pipeline y por lo tanto construir basándonos en eso para poder asegurar que la calidad que tenemos en cada etapa está garantizada debido a las comprobaciones que realiza la IA.

Entonces, ¿cuáles son las tecnologías clave que están involucradas en esto? Para nombrar algunas, algunas de ellas incluyen el procesamiento del lenguaje natural, el análisis predictivo, y las redes neuronales. El procesamiento del lenguaje natural, por ejemplo, en este caso particular es algo muy importante porque realmente determina cómo estamos procesando el texto que introducimos. Y es por eso que la ingeniería de problemas es algo muy grande dentro de la IA porque queremos asegurarnos de que realmente le estamos dando las instrucciones correctas en lugar de hacerlo vago. Bueno, vamos a cubrirlo un poco más tarde también. Así que solo espera un poco. Y aparte de eso, hay un papel muy grande que juegan los data en esto porque alimentar a la IA con data de calidad realmente determina qué tan bien va a funcionar. Hemos visto a muchos proveedores diferentes como chat.gtbt o los modelos bedrock de Amazon rendir ya sea bien o mal basado en una serie de parámetros que se les da basado en los data que se han utilizado para entrenarlos. Así que realmente afecta esto y es importante entender que esto también lo afecta.

Entonces, si decides, por ejemplo, investigar cómo afinar tus soluciones, eso es definitivamente una gran consideración porque quieres asegurarte de que lo estás afinando en base a suficientes data y no solo a data parciales.

Entonces, ¿cuáles son los beneficios de las pruebas de IA testing? En primer lugar, es simplemente la velocidad porque las pruebas pueden ser ejecutadas e invalidadas rápidamente. Realmente hay un potencial ilimitado para poder realizar la cantidad de pruebas que puedes ejecutar con eso. Y puedes generarlas mucho más rápido de lo que puedes hacer manualmente porque, aunque no sean correctas o según tu visualización en el momento, al menos es capaz de ayudar a refinarlo en consecuencia. Entonces puedes pedirle que refine en función de la prueba que creó antes, o puedes desarrollarlo directamente de forma manual también. Eso realmente ayuda a desarrollarlo mucho más rápido en comparación con si estás codificando pruebas una por una.

Aparte de eso, también aporta eficiencia. Poder hacer más pruebas en menos tiempo reduciría el esfuerzo humano. También puedes proporcionar más cobertura, como sabemos, las pruebas de JavaScript tienen la cobertura como uno de sus aspectos más importantes. Entonces sabemos que como desarrolladores, una de las cosas más importantes es que, ¿podemos tener en cuenta los casos límite que se proporcionan? ¿Y cómo podemos asegurarnos de que está lo más limpio posible de errores? Y con la IA, podemos planificar mejor para eso y cubrir los posibles casos de prueba que podríamos no haber pensado. Y por eso es bueno tenerlos como asistentes.

En cuarto lugar, también tenemos adaptabilidad. Podemos hacer respuestas rápidas a los cambios en el código y la funcionalidad. Vamos a ver algunos ejemplos de eso más tarde también. Finalmente, también tenemos detección de errores, porque son realmente buenos para descubrir errores sutiles o no obvios. Uno de los mejores casos de esto es cómo hay pruebas de regresión visual hoy en día, y también en cuanto a cómo la IA puede comparar diferencias sutiles entre imágenes, por ejemplo, o dentro del código. Realmente, el potencial es ilimitado. Así que este es un ejemplo de cómo decir específicamente a una IA generativa, y realmente depende también de qué LLM estás usando. Podría ser ChachiBT. Podría ser Amazon Bedrock. Este en particular, por ejemplo, lo introduje en el Modelo Fundacional de Cloud de Amazon Bedrock porque quería ver cómo se desempeña, y resultó que era capaz de hacer esto bien. Así que estoy proporcionando esto como la plantilla ahora para poder entender mejor cómo proporcionar este tipo de indicación como una indicación para generar nuevos casos de prueba. Entonces, por ejemplo, estamos proporcionándole esencialmente instrucciones basadas en esto. Así que podemos ver que estamos especificando qué lenguaje estamos usando, estamos especificando qué funcionalidad queremos, y básicamente estamos poniendo a prueba los casos. Ahora puedes poner casos de prueba, puede que no quieras, así que realmente depende, pero lo que realmente quieres poder hacer a partir de esto es que quieres poder, en lugar de mencionar genéricamente que me generes un conjunto de casos de prueba basados en este código, en cambio, quieres asegurarte de que también estás incluyendo lo que quieres que se pruebe también. Entonces, por ejemplo, digamos que quieres poder probar si este botón en esta página web funciona, entonces dirás página web para el botón X, y después de eso en la descripción, dirás, quiero probar el botón X para ver si realmente funciona correctamente, y también puedes no ser capaz de hacerlo. Y de nuevo, una precaución que me gustaría hacer también es tener en cuenta también de simplemente insertar código aleatoriamente dentro de la IA generativa porque necesitas asegurarte de que estás utilizando la API en lugar de una interfaz de cara al público. Por ejemplo, como HatchiBT, es generalmente más, es muy arriesgado y es muy, muy desaconsejable insertar tu código o cualquier PII directamente en la interfaz. Pero mientras tanto, puedes tener una solución interna o puedes usar

Aparte de eso, RecheckWeb es otra gran herramienta que se está utilizando mucho actualmente. Entonces, una de las cosas que puede hacer es que puede verificar pequeños errores que podrías haber hecho en tu código, que pueden afectar la visualización. Entonces, en casos normales, podrías tener un problema con la visualización de código roto, pero en este escenario, apunta al código roto que tienes mientras puede visualizarlo basándose en la suposición de que el código sigue intacto y en realidad no está roto basado en cambios. Entonces, como podemos ver aquí, por ejemplo, con button dot recommend dot slash dash cert, accidentalmente lo puse a, en lugar de cert, lo puse a cet, set, pero puede detectar esto y debido a esto, puede detectar esa falla en particular y luego visualizarla adecuadamente. También hay una regresión visual testing también, y uno de los casos de uso más grandes en este momento es con applitools. Tienen applitools eyes, que puede realizar regresión visual, lo que ayuda a asegurar que lo que estás testing actualmente es comparable con lo que debería ser. Y esto realmente ayuda mucho. Entonces puedes integrar el Selenium WebDriver con esto. Son capaces de realizar esto, y puedes realizar pruebas funcionales y visuales a través de la herramienta. Entonces este es solo un caso de prueba de ejemplo que escribí como parte de poder trabajar con applitools eyes. Entonces puedes ver que estoy básicamente solo llamando a eyes open, eyes checked, y finalmente, puedes ver que esta es una gran forma de poder integrarse con applitools eyes y usarlo adecuadamente para este escenario de caso. Sí. Aparte de eso, también tenemos pruebas de lista de códigos de AAPower. Entonces hay una realmente genial que encontré recientemente, y este es solo un ejemplo de cómo pude hacer esto. Entonces podemos ver que con esto, estoy testing mi sitio web. Entonces básicamente solo estoy tratando de hacer clic en un botón. Estoy tratando de navegar desde la página de inicio haciendo clic, rastrea mis CPEs. Y lo mejor es que puedes grabar esto en pantalla y puede seguirte y grabar cada paso que das. Entonces podemos ver que puede rastrear, hago clic en rastrear mis CPEs, hago clic en las actividades, hago clic en agregar actividad. Entonces quería poder ilustrar esa funcionalidad de agregar actividad, y lo que puede hacer más tarde es que puede usar esto para poder usarlo como una prueba y compararlo con lo que ya tienes actualmente, el comportamiento en tu código, para asegurarte de que está funcionando correctamente. Entonces puedes hacer esencialmente esta prueba, ejecutarla en tu, por ejemplo, entorno de staging, y lo que hará es que iniciará un Chrome driver. Por ejemplo, y básicamente solo probará para ver si funciona en el Chrome driver y cerrará de manera apropiada, y si pasa, entonces dirá que pasa. Y este es un ejemplo de cómo funciona. Entonces puedo reproducir este ejemplo de cómo puede configurar la página, luego después de eso esto se ejecuta por sí mismo. Y este no soy yo, estos son ellos haciendo esto por su cuenta, pueden simplemente mencionar esto

Así que definitivamente va a haber un horizonte en expansión continuada para la IA. Para mañana, definitivamente va a haber más áreas de crecimiento potencial con capacidades en evolución también. Va a seguir desarrollándose como lo vemos ahora. Vamos a seguir siendo capaces de anticipar las necesidades de las futuras aplicaciones de JavaScript porque va a haber muchas. Y con el desarrollo de la IA, va a seguir demostrando el potencial de ella para poder ayudar a abordar las necesidades futuras, incluyendo automation y la generación de casos de prueba y security. Así que hay mucho que puede hacer. Y por supuesto, automatizar, automatizar, automatizar, porque si puedes, ¿por qué no, hace tu vida más fácil como probador y como desarrollador.

Así que algunas best practices y patterns. Prioriza la calidad de los data, equilibra la visión humana y de la IA, implementa el control de versiones, fomenta la comprensión de la IA, establece una integración instrumental, mantente al día con la evolución de la IA, gestiona los data de prueba, análisis de monitoreo continuo. Y algunas conclusiones clave son, es importante entender que la IA es prácticamente una revolución en testing. También tenemos el machine learning jugando un papel pivotal, también, para poder entender. Entiende cómo puedes integrar las herramientas adecuadamente, como mencioné antes, con los cuatro ejemplos que proporcioné antes, excluyendo ChatGPTN Amazon Bedrock, ya que también puedes definitivamente usarlos como herramientas. La aplicación práctica es muy importante para entender, entender la perspectiva futura de cómo se ve en el futuro, y entender que es muy importante verlo como un empoderamiento a través del conocimiento, porque es un proceso de aprendizaje continuo. Y eso es todo por mi parte. Gracias de nuevo a todos, por escuchar esta sesión. Y estoy feliz de responder a cualquier pregunta después de la sesión también. Gracias.