קווליטסט משלבת חדשנות מבוססת AI בדור הבא של הבדיקות
כתב: הילל יוסף.
"תחום הבדיקות הוא מורכב מעיקרו, והמורכבות הולכת ועולה באופן אקספוננציאלי על פני הזמן. ככל שה-IT בארגונים מטפל ביותר אפליקציות שמתבססות על תהליכים מורכבים, היכולת לבצע בדיקות שיקיפו את מרחב התוצאות האפשריות הולכת ויורדת. אתגר נוסף נובע מכך שאין בנמצא מתודולוגיה ברורה שניתן להסתמך עליה בעת ביצוע הבדיקות עבור מודלים מבוססי AI. נדרשים כלים מתוחכמים לביצוע הבדיקות, שיקפיצו את התחום לדור הבא", אמר רון ריטר, סגן נשיא בכיר לתחום בינה מלאכותית בקבוצת קווליטסט (Qualitest).
קווליטסט מתכננת, מפתחת ומיישמת פתרונות מותאמים למגוון תחומים בתעשייה, עם ניסיון רב בתהליכים ומתודולוגיות לבדיקת תוכנה מתקדמת. החברה מציעה מגוון רחב של בדיקות ומערכות אבטחת איכות מותאמות, ברמת מומחיות גבוהה, לחברות בכלל מגזרי המשק.
עובדי קווליטסט אחראים באופן מלא על בדיקות מוצרים טכנולוגיים ומוודאים שהם ראויים, בטוחים לשימוש, יעילים ופועלים ללא תקלות. בנוסף, החברה מתמחה בניהול מערכי הנדסת איכות, שכוללים גם תהליכי טרנספורמציה דיגיטלית ופיתוח בהתאם לצרכי הלקוחות.
קווליטסט, הישראלית במקורה, נרכשה פעמיים על ידי קרנות השקעות, אך שמרה על DNA ישראלי: שדרת הניהול שלה כוללת ישראלים רבים, והמקור של חלק מהחדשנות של החברה הוא בארץ.
"כשבודקים מערכות מבוססות AI יש להפעיל מערך שפועל באופן שונה"
ריטר הסביר ש-"כדי להביא לייעול משמעותי בעולם הבדיקות יש ליישם את יכולות הניתוח של הבינה המלאכותית על מערך הבדיקות הקיים ולהריץ אלגוריתמים ייעודיים, שיכולים לתת ציון שמבטא את הסיכון העתידי שנגזר מכל בדיקה מבוצעת. היכולת לשקלל בראייה עתידית את סיכויי ההצלחה של כל אחת מההרצות מביא להתמקדות בבדיקות שנמצאות בסיכון, להפחתה של הרצת בדיקות בעלות סיכון נמוך ולהבנת מכלול התנאים שהביאו לרמת סיכון מוגברת לבדיקות מסוימות. כשבודקים מערכות מבוססות מודלי AI יש להפעיל מערך בדיקות שפועל באופן שונה. מערך הבדיקות שלנו עבור מערכות אלה מבוסס אף הוא על מודלי חיזוי ו-AI, שמאשררים את יכולות החיזוי של המערכות".
הוא הוסיף כי "אנחנו משתמשים במנוע מבוסס בינה מלאכותית שכתבנו בעצמנו, פרי מחקרים שערכנו והניסיון המצטבר שלנו בתחום. הבינה המלאכותית מסייעת לנו להעניק לבודקים ערכים מוספים, של חיזוי. בעזרת הכלים שלנו, הלקוחות, וביניהם מדעני נתונים שמתמחים בבדיקות מערכות, מקבלים יכולת להעריך הסתברויות ולהחליט האם התוצאה שהתקבלה היא שהייתה אמורה להתקבל. עם הכלים שפיתחנו לא בודקים את שורות הקוד הרבות, אלא את התוצאה שהתקבלה בעקבות הרצת שורת הקוד".
"עשינו זאת כבר אצל ארגונים לא מעטים, בהם מוסדות פיננסים וחברות היי-טק", ציין ריטר, "ואנחנו מביאים לתהליכי הבדיקה שני מכפילי כוח: מנוע AI ייעודי וצוות מדעני נתונים שפועל לפי מתודולוגיה סדורה ומוכחת לבדיקות שכאלה. צוות מדעני הנתונים, שהחברים בו מוכשרים לבצע בדיקות מעמיקות של מודלים לחיזוי מבוססי AI, בשילוב כלי הפיתוח שלנו, מהווים פלטפורמת הבדיקות החכמות. כך ניתן לצמצם את היקף הבדיקות ולאתר בדיקות חופפות. בנוסף, אנחנו מייעלים את בדיקות המערכות, שהופכות למתוחכמות ומורכבות יותר. הייעול מתקבל בשני היבטים: צמצום כמות הבדיקות על ידי חיזוי של הבדיקות האמורות להיכשל וחשיפת בדיקות חוזרות באמצעות מנוע NLP (עיבוד שפה טבעית), שמהווה חלק אינטגרלי ממערכת ה-AI שפיתחנו. אנחנו מסייעים לבודקים לסדר את הבדיקות לפי מידת הסיכון שלהן, ולהתמקד בבדיקות החשובות".
"אנחנו מצמצמים משמעותית את היקף הבדיקות, תוך שמירה על אותה רמת כיסוי", אמר. "כמו כן, אנחנו יכולים לוודא שעבודת המודל אכן נעשית בצורה הנכונה ומוכנה לפעילות בסביבת הייצור, תוך שימת לב לעמידותו בערכים חריגים ובשינויים שנעשים בדאטה לאורך זמן. קווליטסט מסייעת ללקוחות לעמוד בתקנות הגנת הפרטיות, תוך שימוש במנוע עיבוד השפה הטבעי שלה".
לסיכום ציין ריטר כי "אנחנו צופים גידול בפעילות שלנו בתחום השנה, משני טעמים: העובדה שמודלים רבים יותר לחיזוי ו-AI נכנסים לסביבות הייצור, ויש צורך לוודא שהם נכונים ויציבים; והמערכות הופכות למורכבות יותר, כאשר יכולות ה-AI מקטינות משמעותית את כמות הבדיקות הנדרשת".
