עולם ההייטק משתנה בקצב מהיר, ואחת המגמות הבולטות בשנים האחרונות היא השילוב של בינה מלאכותית כמעט בכל שלב בתהליך פיתוח התוכנה. גם תחום בדיקות התוכנה, שהיה במשך שנים מזוהה בעיקר עם עבודה ידנית, תרחישי בדיקה ותהליכי אוטומציה, עובר שינוי משמעותי. כיום כלי AI מסוגלים לסייע ביצירת תרחישי בדיקה, בניתוח תוצאות, בזיהוי תקלות ובתחזוקה של בדיקות אוטומטיות. השינוי הזה מעלה שאלה מעניינת עבור מי ששוקל להיכנס לתחום: האם כדאי ללמוד QA כפי שלמדו אותו בעבר, או שכדאי כבר עכשיו לבחור במסלול שמחבר בין בדיקות תוכנה לבין יכולות של בינה מלאכותית?
באופן מסורתי, בודק תוכנה נדרש להבין את המערכת, לבנות תרחישי בדיקה, לבצע אותם באופן ידני או באמצעות כלי אוטומציה, לתעד תקלות ולבדוק שהן תוקנו. העבודה הזו עדיין חשובה מאוד, אבל כלי AI מאפשרים כיום לבצע חלק מהמשימות במהירות גבוהה יותר.
לדוגמה, מערכות AI יכולות לסייע בהפקת תרחישי בדיקה מתוך דרישות מוצר, מסמכים או תיאור של תהליך. בנוסף, קיימים כלים שיודעים לנתח שינויים בממשק ולהתאים בדיקות אוטומטיות לשינויים שבוצעו במערכת. יכולות כאלה עשויות להפחית את הזמן המושקע בכתיבה ובתחזוקה של בדיקות.
עם זאת, חשוב להבין נקודה מרכזית: AI לא הופך את ה-QA למקצוע מיותר. להפך. הוא משנה את סוג הידע והיכולות שנדרשים מאנשי המקצוע.
אחת הטעויות הנפוצות בדיון על AI היא ההנחה שכל משימה שאפשר לבצע באמצעות בינה מלאכותית תוביל בסופו של דבר להיעלמות התפקיד האנושי.
בפועל, בדיקות תוכנה דורשות הרבה מעבר להפעלת כלי. צריך להבין מה המשתמש אמור לעשות, לזהות מצבים לא צפויים, לשאול שאלות לגבי דרישות המערכת ולהחליט אילו תקלות משמעותיות יותר מאחרות.
AI יכול להציע תרחישי בדיקה, לנתח כמויות גדולות של מידע או לסייע באיתור דפוסים, אבל עדיין נדרשת הבנה אנושית כדי לבחון אם התוצאה הגיונית ומתאימה למוצר. אפילו בעולם שבו כלי AI מייצרים בדיקות באופן אוטומטי, אנשי QA נדרשים לבקר את התוצרים ולוודא שהם אכן בודקים את הדברים הנכונים.
לכן, העתיד של התחום אינו בהכרח "QA בלי אנשים", אלא QA שבו אנשי המקצוע יודעים לעבוד לצד כלים חכמים.
קורס איכותי בתחום צריך לספק קודם כול בסיס מקצועי בבדיקות תוכנה. לפני שלומדים כיצד להשתמש ב-AI, צריך להבין מה בודקים, מדוע בודקים ואיך בונים תהליך בדיקות נכון.
הבסיס יכול לכלול היכרות עם סוגי בדיקות, כתיבת תרחישי בדיקה, דיווח וניהול תקלות, בדיקות פונקציונליות, בדיקות רגרסיה, עבודה עם מערכות ניהול בדיקות והיכרות עם תהליכי פיתוח תוכנה.
על הבסיס הזה ניתן להוסיף את עולם ה-AI: שימוש במודלים של שפה לצורך יצירת רעיונות לתרחישים, ניתוח תוצאות בדיקה, יצירת נתוני בדיקה, סיוע בכתיבת סקריפטים ואפילו זיהוי אזורים במערכת שבהם כדאי להתמקד בבדיקות.
מחקרים וסקירות עדכניות בתחום מצביעים על שימושים של GenAI ביצירת מקרי בדיקה, יצירת נתוני בדיקה, תעדוף בדיקות וניתוח תוצאות.
לא בהכרח.
אחד היתרונות של תחום ה-QA הוא שניתן להיכנס אליו גם בלי להגיע עם רקע עמוק בפיתוח תוכנה. עם זאת, ככל שמתקדמים לעולמות האוטומציה וה-AI, היכרות טובה יותר עם קוד, לוגיקה, API, בסיסי נתונים וכלי פיתוח יכולה להפוך ליתרון משמעותי.
AI אפילו עשוי להקל על תהליך הלמידה. במקום להתמודד לבד עם קוד או שגיאה, ניתן להשתמש בכלי AI כדי לקבל הסבר, להבין מה הקוד עושה, לאתר בעיה או לקבל רעיונות לתרגול.
אבל גם כאן יש מלכודת: מי שמעתיק קוד שה-AI יצר בלי להבין אותו לא באמת רוכש מיומנות. איש QA טוב צריך לדעת לשאול את השאלות הנכונות, לבדוק את התשובות ולהבין את התוצאה.
מי שלומד QA כיום נמצא בתקופה מעניינת. מצד אחד, עדיין קיימים יסודות מקצועיים שלא השתנו: חשיבה ביקורתית, הבנת דרישות, תכנון בדיקות וזיהוי תקלות. מצד שני, סביבת העבודה עצמה משתנה. לכן יש יתרון להיכרות עם AI כבר בשלב הלימודים ולא רק לאחר הכניסה לעבודה. סטודנט שמתנסה בכלים חכמים יכול ללמוד כיצד להשתמש בהם בצורה מבוקרת, להבין את המגבלות שלהם ולשלב אותם כחלק מתהליך העבודה. במקום לראות ב-AI תחליף לידע המקצועי, כדאי לראות בו שכבת עבודה נוספת. זו גם הגישה שמאפיינת את קובי יונסי - המכללה ללימודי הייטק מתקדמים, שבה החיבור בין לימודי הייטק לבין הכלים והמיומנויות הרלוונטיים לעולם העבודה יכול להיות חלק משמעותי מתהליך ההכשרה.
סביר שאיש QA של העתיד יצטרך להיות הרבה יותר ורסטילי. לצד הידע הקלאסי בבדיקות תוכנה, יידרשו יכולת עבודה עם כלי AI, הבנה של אוטומציה ויכולת לנתח תוצאות שמגיעות ממערכות אוטומטיות. גם חשיבה ביקורתית תהפוך לחשובה אפילו יותר. כאשר מערכת AI מייצרת עשרות או מאות תרחישי בדיקה, לא מספיק לשאול כמה תרחישים נוצרו. צריך לשאול האם הם איכותיים, האם הם מכסים את הסיכונים המרכזיים והאם חסרים תרחישים חשובים. בנוסף, ככל שיותר מוצרים משלבים AI בעצמם, אנשי QA יצטרכו ללמוד גם כיצד לבדוק מערכות AI. בדיקות כאלה עשויות לכלול בחינה של תשובות לא צפויות, עקביות, אמינות, אבטחה ואיכות התוצר.
לדעתי, התשובה היא כן – אבל עם הסתייגות חשובה.
העתיד אינו שייך לקורסים שבהם פשוט מוסיפים כמה שיעורי ChatGPT לתוכנית קיימת ומציגים אותה כ"קורס AI". זה לא מספיק. הכשרה רצינית צריכה להתחיל מהיסודות של QA ורק לאחר מכן להראות כיצד AI משתלב בעבודה המקצועית.
מי שילמד גם בדיקות תוכנה וגם כיצד להשתמש נכון בכלים חכמים, יוכל להגיע לשוק העבודה עם ארגז כלים רחב יותר. הוא לא יהיה תלוי רק ביכולת לבצע בדיקות ידניות, אלא יוכל להבין תהליכים, לעבוד עם אוטומציה ולהיעזר ב-AI כדי לעבוד בצורה מהירה וחכמה יותר.
בסופו של דבר, הטכנולוגיה ממשיכה להשתנות. כלים שהיום נחשבים חדשניים עשויים להפוך לסטנדרט בעוד כמה שנים. לכן המטרה של לימודי QA מודרניים אינה רק ללמוד כלי מסוים, אלא לפתח הבנה מקצועית שתאפשר להסתגל גם לכלים שעדיין לא קיימים.
בדיוק כאן בא לידי ביטוי היתרון של הכשרה שמחברת בין הידע הבסיסי ב-QA לבין הכלים והטכנולוגיות שמשתנים כל הזמן. קובי יונסי, שמוביל את המכללה ללימודי הייטק מתקדמים, מתמקד בחיבור בין עולם בדיקות התוכנה לבין המציאות החדשה של תעשיית ההייטק, שבה אוטומציה ובינה מלאכותית הופכות לחלק בלתי נפרד מתהליכי העבודה.
לכן, אם המטרה היא לבנות קריירה בתחום בדיקות התוכנה, כדאי לא להסתכל רק על מה שנדרש מאיש QA היום. כדאי לחשוב גם על היכולות שיהיו חשובות בעוד כמה שנים. שילוב נכון בין ידע מקצועי, חשיבה ביקורתית, אוטומציה ו-AI עשוי להיות אחת הדרכים המרכזיות שבהן תחום ה-QA יתפתח בעתיד.
אם אתם שוקלים להיכנס לעולם ה-QA ורוצים להכיר את התחום לצד הכלים והטכנולוגיות שמעצבים את עתיד ההייטק, כדאי לבחור מסלול לימודים שמעניק בסיס מקצועי לצד היכרות עם ההתפתחויות החדשות בתחום. למידע נוסף על הלימודים, הקורסים והאפשרויות הקיימות, תוכלו להיכנס לאתר של קובי יונסי ולבחון את המסלולים הרלוונטיים עבורכם.
למידע נוסף על לימודי הייטק ו-QA בשילוב AI לחצו כאן לאתר הרשמי https://kobiyonasi.co.il
