AI ændrer testfaget, men ikke behovet for testfaglighed
Mange organisationer investerer i disse år massivt i AI-værktøjer til softwareudvikling og test, blandt andet vores eget QI Accelerate. AI kan generere krav, testcases og identificere potentielle fejl hurtigere end nogensinde før.
Men betyder det, at behovet for erfarne og fagligt stærke Testere og Test Managere bliver mindre?
Nej! Tværtimod.
Jo flere AI-værktøjer vi får til rådighed, desto vigtigere bliver det at have den testfaglige kompetence til at kunne reviewe det, AI leverer, og prioritere testindsatsen korrekt ud fra den konkrete kontekst. For selvom AI kan hjælpe med at finde fejl, kan den ikke alene vurdere, hvilke fejl der er vigtigst for forretningen.
Hvad er risikobaseret test?
Risikobaseret test er en metode, hvor testindsatsen prioriteres ud fra de risici, der er forbundet med systemet, processen eller løsningen.
I stedet for at bruge lige mange ressourcer på alle dele af et system fokuserer man på de områder, hvor:
- Sandsynligheden for fejl er størst (Teknisk risiko)
- Konsekvenserne af fejl er størst (Forretningsmæssig risiko)
Målet er at sikre den bedst mulige kvalitet med de ressourcer, der er til rådighed.
Kort sagt handler risikobaseret test om at teste det vigtigste først og mest.
Hvorfor er risikobaseret test vigtigere end nogensinde?
Traditionelt har test ofte handlet om at finde flest mulige fejl. I dag handler det i stigende grad om at finde de rigtige fejl og så tidligt som muligt.
Moderne systemlandskaber bliver stadig mere komplekse. Integrationer, cloud-løsninger, AI-komponenter og hurtigere release-cyklusser gør det praktisk umuligt at teste alt.
Samtidig ser vi, at AI gør det lettere at generere store mængder testcases og testdata. Men flere testcases er ikke nødvendigvis lig med bedre kvalitet.
Hvis der testes på de forkerte områder, kan kritiske risici stadig blive overset. Derfor bliver evnen til at identificere og prioritere risici en af de vigtigste kompetencer inden for moderne kvalitetssikring.
AI kan generere test, men AI kan ikke prioritere forretningens risici
AI er blevet en værdifuld hjælper i testarbejdet.
Den kan blandt andet:
- Generere testcases
- Analysere kravspecifikationer
- Foreslå testscenarier
- Identificere mønstre i fejl og historiske data
Men AI mangler ofte den kontekst, som er nødvendig for at træffe de rigtige prioriteringer.
Et AI-værktøj ved ikke nødvendigvis:
- Hvilke processer der er mest forretningskritiske
- Hvilke fejl der vil påvirke kunderne mest
- Hvilke regulatoriske krav der skal overholdes
- Hvilke risici organisationen er villig til at acceptere
Det kræver domæneviden, erfaring og testfaglig indsigt. Derfor bør AI ses som et værktøj, der understøtter risikobaseret test, ikke erstatter den. Den største værdi opstår, når AI kombineres med stærke testfaglige kompetencer.
Sådan arbejder du med risikobaseret test i praksis
En effektiv risikotilgang består typisk af fire trin.
1. Identificér risici
Kortlæg de områder, hvor fejl kan opstå.
Det kan f.eks. være:
- Nye funktioner
- Integrationer
- Komplekse arbejdsgange
- AI-baserede funktioner
- Områder med mange historiske fejl
2. Vurdér sandsynlighed og konsekvens
For hver risiko vurderes:
Sandsynlighed: Hvor stor er risikoen for, at fejlen opstår?
Konsekvens: Hvor alvorlig vil påvirkningen være, hvis fejlen opstår?
3. Prioritér testindsatsen
De højeste risici testes først og mest grundigt. På den måde sikres størst mulig risikoreduktion for den investerede testindsats.
4. Rapporter og opdater løbende
Risici ændrer sig i takt med nye releases, teknologier og forretningsbehov. Risikobaseret test er derfor ikke en engangsøvelse, men en løbende disciplin. Rapporter på risici for at skabe gennemsigtighed i fremdriften samt give beslutningsstøtte.
De typiske udfordringer ved risikobaseret test
Selvom de fleste organisationer er enige om, at testindsatsen bør fokuseres på de største risici, oplever mange udfordringer, når risikobaseret test skal omsættes til praksis.
Risikoanalysen bliver en engangsøvelse
En af de mest almindelige fejl er, at risikoanalysen gennemføres ved projektstart og derefter glemmes.
Men risici ændrer sig løbende: Nye funktioner, ændrede forretningskrav, tekniske afhængigheder og AI-baserede løsninger kan ændre risikobilledet markant gennem et projekts levetid.
Derfor bør risikoanalyse være en integreret del af udviklings- og testprocessen frem for en aktivitet, der gennemføres én gang.
Forretningen bliver ikke involveret
Mange risikoanalyser gennemføres primært af testere eller udviklere.
Problemet er, at de teknisk mest komplekse områder ikke nødvendigvis er de mest forretningskritiske.
Forretningen sidder ofte med vigtig viden om:
- Kritiske kunderejser
- Regulatoriske krav
- Omsætningskritiske funktioner
- Områder med høj omdømmerisiko
Uden denne indsigt risikerer man at prioritere forkert.
Alt vurderes som høj risiko
Når teams arbejder med risikovurdering første gang, oplever vi ofte, at næsten alle funktioner vurderes som kritiske.
Resultatet bliver, at prioriteringen mister sin værdi.
Hvis alt er vigtigt, er intet vigtigt.
Effektiv risikobaseret test kræver modet til at træffe bevidste prioriteringer og acceptere, at ikke alle områder skal testes lige grundigt.
Manglende fælles metode
Nogle organisationer arbejder med risikovurderinger baseret på mavefornemmelser.
Andre anvender forskellige skalaer og kriterier fra team til team.
Det gør det vanskeligt at sammenligne risici og skabe gennemsigtighed.
En fælles metode og et fælles sprog omkring risiko er afgørende for at skabe ensartede prioriteringer.
AI skaber en falsk tryghed
Med de mange nye AI-værktøjer oplever vi også en ny udfordring.
AI kan generere hundredvis af testcases på få minutter, men det kan skabe en falsk følelse af kvalitet.
Mængden af test er ikke nødvendigvis lig med kvaliteten af testen.
Hvis de genererede testcases ikke tager udgangspunkt i de væsentligste forretningsmæssige risici, kan kritiske fejl stadig slippe igennem til produktion.
Derfor bliver testfaglighed, risikoforståelse og evnen til at prioritere endnu vigtigere i takt med at AI bliver en større del af testarbejdet.
Risiko bliver ikke koblet til konkrete testaktiviteter
Nogle organisationer er faktisk gode til at identificere risici, men udfordringen opstår, når analysen skal omsættes til handling.
En risikoanalyse skaber først værdi, når den påvirker:
- Hvad der testes
- Hvor dybt der testes
- Hvornår der testes
- Hvilke testteknikker der vælges
- Hvilke områder der automatiseres
Risikoanalysen skal derfor være et aktivt styringsværktøj og ikke blot et dokument, der arkiveres.
De største gevinster ved risikobaseret test
Organisationer, der arbejder systematisk med risikobaseret test, oplever ofte:
- Bedre kvalitet: De mest kritiske fejl opdages tidligere.
- Mere effektiv test: Tid og ressourcer bruges dér, hvor de skaber størst værdi.
- Hurtigere leverancer: Teams undgår at bruge unødig tid på lavrisiko-funktionalitet.
- Større gennemsigtighed: Ledelse, forretning og udvikling får et fælles billede af de vigtigste risici.
En moden tilgang til risikobaseret test handler ikke om at eliminere alle risici. Det handler om at skabe gennemsigtighed og træffe bevidste beslutninger om, hvor organisationen får mest værdi ud af sin testindsats.
Fremtidens tester skal kunne mere end at teste
Hos TestHuset er vi ikke i tvivl! AI har og vil ændre måden, vi arbejder med test på. Men fremtidens testere skal ikke nødvendigvis være bedre til at skrive testcases.
De skal være bedre til at:
- Forstå forretningen
- Analysere risici
- Prioritere indsatsen
- Facilitere dialog mellem forretning og IT
- Bruge AI som et effektivt værktøj
Netop derfor bliver kompetencer inden for risikobaseret test endnu vigtigere i de kommende år.
Vil du lære at arbejde professionelt med risikobaseret test?
Hos TestHuset hjælper vi virksomheder med at skabe bedre kvalitet gennem struktureret test, kvalitetssikring og kompetenceudvikling.
På vores kursus i risikobaseret test lærer du blandt andet:
- Hvordan du identificerer og analyserer risici
- Hvordan du prioriterer testindsatsen effektivt
- Hvordan du omsætter risikoanalyser til konkrete testaktiviteter
Foretrækker du fleksibel læring, tilbyder vi også et on-demand kursus i risikobaseret test, hvor du kan lære i dit eget tempo og arbejde med konkrete øvelser, skabeloner og værktøjer.
Konklusion
Risikobaseret test er ikke længere blot en metode til at prioritere test.
Det er en afgørende disciplin for organisationer, der ønsker at levere høj kvalitet i en verden præget af stigende kompleksitet, hurtigere releases og nye AI-teknologier.
AI kan hjælpe os med at teste mere, men det er stadig mennesker, der skal afgøre, hvad der er vigtigst at teste!
Derfor er faglighed inden for risikobaseret test vigtigere end nogensinde.