AI‑ඇසුරුම් කළ පරීක්ෂණ ලේඛන සකස් කිරීම සරල යැයි බොහෝ ඉංජිනේරුවන් හිතාගෙන සිටී. නමුත් පළමු සතියේ ඔවුන්ට හමු වන්නේ “ආසන්න‑සත්ය” කේතය නිසා ඇතිවන බග් ගැටළුය.
මොඩලයක් ඔබට පරීක්ෂණයක් ලියලා දෙයි; ඔබ එය ක්රියාත්මක කරයි. පළමු දිනේ පරීක්ෂණය සාර්ථකයි, දෙවන දිනේ වැරදියක් පෙන්වයි, තෙවන දිනේ නැවත සාර්ථකයි… මේ රිදී පදනම මත ඔබේ යෙදුමේ සැබෑ ක්රියාකාරකම ගැන සැකයක් පැනේ. Playwright සමඟ AI copilots භාවිතා කරන කණ්ඩායම් පළමු පන්චාස් දිනේ “වැරදි පසුබැසීම්” හරහා ගමන් කරති.
මෙම ගැටළුවේ මූලික හේතුව මොඩලය “ස්ථායි” යැයි සලකන්නේය. එය ජාල ප්රතිචාරයක් බලා සිටීමට, UI තත්ත්වය වෙනස් වීමට හෝ අනුමානිත විලාසිතා වලට සැලසුම් නොකරයි. උදාහරණයක් ලෙස, බොත්තමක් ක්ලික් කර පසු “toast” පණිවිඩයක් පෙන්වීමට කාලය සෙට් කර ඇත, නමුත් නව සංස්කරණයක් ඒ කාලය 400 ms වැඩි කරයි; එවිට පරීක්ෂණය අසාර්ථක වේ, ඒත් යෙදුම වැරදි නැත.
ශ්රී ලංකාවට ඇති වැදගත්කම
- ඩිවෙලොපර්වරුන් – AI‑ඇසුරුම් පරීක්ෂණය භාවිතා කරන විට, කේතය “මුලික පළමු අච්චුව” ලෙස ගනිමින්, මිනිස් පරීක්ෂණයක් අවශ්ය බව තේරුම් ගත හැකිය.
- විද්යාර්ථීන් – AI මොඩලයේ සීමා දැන ගැනීම, අනාගතයේ AI‑සහයෝගී පරීක්ෂණ කුසලතා ඉගෙන ගැනීමට මූලික පදනමක් වේ.
- ව්යාපාර – නිරවද්ය CI/CD පද්ධති ගොඩනැගීම, වැරදි “ආසන්න‑සත්ය” බග් වලින් වළක්වා, නිෂ්පාදන ගුණාත්මකතාවය උංචිත කරයි.
අවසන් වශයෙන්, AI‑ජනිත පරීක්ෂණයන් “ඩ්රාෆ්ට්” ලෙස සලකා, තනි-තනි පේළියක් සවිස්තරාත්මක සමාලෝචනයෙන් පසු පළ කරන්න. මෙය තාක්ෂණික වශයෙන්ම නව පියවරක්, නමුත් මනුෂ්ය ඇගයීමේ අත්යවශ්යත්වය අමතක නොකළ යුතුයි.
