Az AI bevezetése nem milliárdos befektetés, így csinálta meg az OTP

AI-bevezetés a gyakorlatban: így változtatja meg a tesztelést és a fejlesztést

A TesterLab Nálunk működött podcastjének hetedik epizódjában Hamana Zsolt és Hargitai Zsolt vendégükkel, Surányi Zsolttal beszélgettek arról, hogyan épít be egy nagyvállalat valódi, mérhető módon mesterséges intelligenciát a folyamataiba. A beszélgetés fókuszában az AI vállalati bevezetése, a minőségbiztosítás változása és az a kérdés állt, hogyan tudnak a tesztelők és fejlesztők értéket teremteni ebben az új környezetben. A beszélgetés példái és tapasztalatai egy konkrét nagyvállalati környezetből, az OTP-ből származnak.

Az AI-bevezetés nem technológiai probléma, hanem üzleti döntés

Az egyik legfontosabb tanulság az volt, hogy az AI-projektek ritkán technológiai okból buknak el. A döntő tényező sokkal inkább az, mennyire tiszta az üzleti cél, amit a rendszernek támogatnia kell. Ha nem egy konkrét problémára épül a megoldás, vagy a szervezet nem tudja pontosan, milyen folyamatot szeretne gyorsítani vagy automatizálni, az AI könnyen látványprojekt marad. A működő projektek ott születnek, ahol valós, mérhető üzleti igény áll mögöttük.

A sikeres bevezetések három alappillére: tiszta probléma, jól definiált inputok és egyértelmű felelősségi szerepek. Ezek nélkül az AI csak komplexitást ad hozzá a rendszerhez, nem értéket.

A leggyakoribb félelem, hogy elveszi a munkát

A beszélgetésben előkerült a sokak által érzett bizonytalanság is. A tesztelők és fejlesztők körében gyakori félelem, hogy az AI hosszú távon kiváltja a munkaköröket. A vendég viszont hangsúlyozta: a gyakorlat azt mutatja, hogy az AI nem elveszi a munkát, hanem átformálja. A repetitív feladatokból vesz át, a szakemberek pedig nagyobb hangsúlyt tehetnek a döntéshozatalra, kockázatértékelésre és az üzleti megértésre.

A lényeg az, hogy a szerepek nem eltűnnek, hanem fejlődnek. Az AI-val dolgozó tesztelőnek nem kevesebb, hanem másfajta készségre van szüksége.

Az AI a tesztelésben: minőségjavítás, nem csodafegyver

A tesztelésben az AI nem teljes körű automatizálást jelent, hanem olyan eszközöket, amelyek támogatják a minőségbiztosítást. A nagyvállalati gyakorlat alapján több területen is jól használható:

• regressziós tesztek gyorsítása
  
• nagyobb adatmennyiség értelmezése
  
• hibák kategorizálása
  
• dokumentációk elemzése
  

Az AI nem hoz helyes döntéseket a szakember helyett, de képes lerövidíteni a vizsgálati időt, és segít észrevenni mintákat, amelyek manuálisan nehezebben lennének felismerhetők. A minőség attól javul, hogy a tesztelő több időt tud fordítani azokra a részekre, amelyek valóban emberi ítéletet igényelnek.

A bevezetés első lépése: tiszta, jól értelmezhető adatok

Az AI-rendszerek csak akkor működnek jól, ha az inputok rendezettek. A beszélgetésben kiemelték, hogy a legtöbb nehézség nem magában a modellezésben, hanem az adatelőkészítésben rejlik. Ha a forrásadatok pontatlanok vagy hiányosak, az AI is rossz eredményt ad.

Ezért egy AI-projekt első fázisa gyakran adatfeltárás, tisztítás, konzisztencia-vizsgálat és sokszor kiderül, hogy a szervezet saját dokumentációja és folyamatai sincsenek egységesítve. Ez jelentősen befolyásolja a tesztelés minőségét is.

Mikor nem szabad AI-t bevezetni?

A beszélgetés hangsúlyozta azt is, hogy az AI nem mindenre megoldás. Nem érdemes ott használni, ahol:

• a folyamat egyszerűbb kézi megoldással
  
• a döntéshez kontextus és üzleti háttér kell
  
• nincs elég adat a rendszer tanításához
  
• a hibák költsége magas, a kockázat nem vállalható
  

Az AI bevezetése akkor jó döntés, ha olcsóbb, gyorsabb vagy pontosabb működést eredményez - nem akkor, ha trendkövetésből történik.

Milyen készségekre lesz szükség a következő években?

A tesztelők és fejlesztők számára három kompetencia különösen felértékelődik:

• üzleti folyamatok mély megértése
  
• adatvezérelt gondolkodás
  
• AI-eszközök működésének alapszintű technikai ismerete
  
  

A hangsúly nem azon van, hogy bárkinek modellépítővé kell válnia, hanem azon, hogy értse, mire képes az AI és mire nem, hogyan ellenőrizhető és hogyan illeszkedik a vállalati folyamatokba.

Hallgasd meg az epizódot itt:

• Youtube
• Spotify
• Apple Podcast