Eggplant DAI

• AI・ディープラーニング技術で、カバレッジとバグ(欠陥)検出を目的にしたテストケース作成を最適化。
• 大幅なテストカバレッジ向上。
• 誰も考えたことがないユーザー・ジャーニーを実行する探索的テストの自動化。
• スクリプト作成作業を90％削減。

• すべてのユーザー・ジャーニーをカバーするテストケースの作成を自動化することで、テストケース生産性を飛躍的に向上させます。
• 強化されたAI・ディープラーニング・分析技術が、より多くの欠陥を発見し、ユーザーエクスペリエンスを向上させます。
• 品質の問題を最も引き起こす可能性が高い箇所を予測します。

テストチームは優れたユーザーエクスペリエンスのアプリケーションをエンドユーザーに提供するために、必要とされるテストカバレッジ・レベル達成に苦慮しています。加えて継続的デリバリーとアジャイル開発は、開発サイクルを2年から2週間へ短縮する劇的なメリットももたらしますが、一方ではチーム環境下でのテストが断片化してしまうことも意味します。

多くのテストチームは開発側のスピードに簡単には追いつくことができず、またテストチームは今までのテストアプローチの基本的欠陥のためにも苦慮しています。

テストプロセス全体の内、現実的には重要なアスペクトに注目したテスト実行のみが自動化されているにすぎず、またどのチームもテストケースとテストの実行を定義し、テストスクリプトを作成し管理してテストの結果を手動で分析する、このために膨大な手作業の時間を掛けて行っています。

テスト自動化技術分野で飛躍的な成長をしているEggplant社がリリースしたEggplant DAIは、DevOpsのペースに追いつき、テストのカバレッジレベルを達成しなければならない開発・テストチームに適したツールとなっています。

製品の使用法を全く考慮すること無く、特定のキーの連打や通常のシナリオでは恐らく発生しないような手順での実行操作によるモンキーテストでは、テスト結果の再現性を得ることはとても困難です。

また、テスト仕様などのテストソースを作成せずに特定分野に精通したプロのテスターによる直感と長年の経験値、勘頼りに実行されるアドホックテストでは、テスト方法が毎回変わることでテスト結果ログも毎回変わってしまうことが課題になります。

AIとディープラーニングをベースとしたEggplant DAIでの探索的テストは、素早く直感的にイメージベースでテスト自動化を実現するEggplant Fusion Engineと連携し、ソフトウェアの振る舞いに着目しバグが潜んでいそうな箇所に対しての集中的なテストを可能にします。

また、テストケースのドキュメントを作成せずに済むため、テストの事前準備が減り、効率よくシステムの不具合を発見することが可能になります。

• 
• 

Eggplant DAIは、テストを実施し、継続的に学習し、ビジネスの影響をインテリジェントに予測し、問題が発生する前に問題を修正できるようにすることでチームをテスト自動化による成功に一歩近づけます。

Eggplant DAIを使用すると、チームは次の方法でユーザーエクスペリエンスを向上させ、生産性を向上することができます。

• カバレッジを高めるために、すべてのテストスクリプトを自動生成。
• テスト実行全体の不良パターンを分析して、テストを洗練し、実際の欠陥を発見。
• いくつかの一般的な幸運な道筋だけでなく、潜在的なユーザー・ジャーニーの範囲をテストするための探索的テストを自動化。
• Eggplant DAIを使用して明示的なテストパスを簡単かつ迅速に定義。
• ユーザー設定可能なプロパティと値を使用してモデルに注釈を付け、ソフトウェア内の解析作業を加速させます。
• 集中管理された1回限りの更新によるテスト保守の合理化、市場投入までの時間の短縮、顧客満足度の向上、コンバージョン率と維持率の向上、収益と収益性の向上。

ダッシュボード

モデル選択

カバレッジ

実行レポート

バグハンティング