AI මොඩලයක් නිර්මාණය කරන ලද්දේ, එය පළ කරන ලද ප්රතිඵලය සාර්ථකදැයි පරීක්ෂා කිරීම පමණක් නොව, එම ප්රතිඵලයට පත් වූ ක්රියාවලියත් පූර්ණයෙන්ම සත්යාපනය කළ යුතුයි. මේ ගැන තේරුම් ගැනීමට, මෑතකදී පළ වූ ලිපියක් හොඳ උදාහරණයක් වුණා.
ලේඛකයා, ලොකු පරිමාණ උපදෙස් එකක් AI මොඩලයට දී, එය ‘දලදා’ ලෙස අසල නොදැක්වෙන, තනි වැඩසටහන් වගේ හැසිරෙන්න කියා දැක්කා. ඒ අනුව, මොඩලය Jira ටිකට්, තාක්ෂණික විස්තර, අනුග්රහණ මාර්ගෝපදේශ, QA පරීක්ෂණ, රෝල්බැක් සැලැස්ම සහ පරීක්ෂණ ලේඛන යනාදියක් සකස් කරලා. පළමු නೋಟයෙන් මේ සියල්ල සම්පූර්ණයි කියලා හැඟුනේ නමුත්, ව්යාපාරික විස්තරයක් අඩු වුණා.
උදාහරණය: පරිශීලකගේ profile.notificationChannel වටිනාකම email සිට sms වෙත වෙනස් වූ විට PREFERENCE_CHANNEL_CHANGED නමැති අභ්යන්තර සිදුවීමක් සටහන් කරවීමේ අවශ්යතාවයක් තිබුණා. මොඩලය සකස් කළ ලේඛනයේ, ඉල්ලීම්, පරීක්ෂණ ක්රම, රෝල්බැක් ආදිය සඳහන් වුණා. නමුත් QA පරීක්ෂකයාට “දත්ත සකස් කිරීම, පරීක්ෂණ පසු පිරිසිදු කිරීම” වගේ මූලික තොරතුරු නොලැබුණා. එම නිසා, ලේඛනය කියවීමේ කාලය පරීක්ෂණ කාලයට වඩා වැඩියි.
මෙම ගැටළුවෙන් පෙනෙන්නේ, ප්රතිඵල පමණක් පරීක්ෂා කිරීම ප්රමාණවත් නොවන බවයි. මොඩලය භාවිතා කළ මාර්ග, පියවර, අවශ්ය දත්ත, සහ පසුකාලීන පිරිසිදු කිරීම ආදියත් සනාථ කළ යුතුය. එසේ නොකළහොත්, වැඩේ අනාගතයේ අන් අය විසින් නැවත නිර්මාණය කරන අවශ්යතාවයට පත් වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික පරිසරය වර්ධනය වෙමින් පවතින අතර, AI මගින් ස්වයංක්රීය කිරීමේ අවස්ථා බොහොමයක් ඇත. පරිශීලක-මධ්යස්ථිත ඇප්, බැංකු සේවා, සහ රජයේ පද්ධති ආදියට මේ ආකාරයේ ක්රියාවලී පරීක්ෂා ක්රමවේදයක් ඇතුළත් කිරීමෙන්:
- සොෆ්ට්වේයාර් ගුණාත්මකභාවය වැඩි වේ, අඩු දෝෂ සහිත නිෂ්පාදන ලැබේ.
- ව්යාපාරික කණ්ඩායම් තොරතුරු ආරක්ෂා කරමින්, කාලය හා සම්පත් ඉතිරි කරගත හැක.
- ශ්රී ලාංකීය තාක්ෂණික විශේෂඥයන් AI මොඩල භාවිතයේ හොඳම පුරුදු ඉගෙන ගනිමින්, ජාත්යන්තර තරඟකාරීත්වයට සූදානම් වේ.
අනාගතයේ AI‑කේන්ද්රිත ව්යාපෘති වල සාර්ථකත්වය, මේ වගේ “ප්රතිඵල‑මත පරීක්ෂා” පමණක් නොව, “ක්රියාවලී‑මත පරීක්ෂා” පද්ධතියක් පිහිටුවීමෙන් තීරණය වේ.
ඉතින්, AI මොඩලයක් නිර්මාණය කරන ඔබට, අවසාන ප්රතිඵලය පරීක්ෂා කිරීමත් එක්ක, එය ගත වූ පියවර, භාවිත කළ දත්ත, සහ අනුගමනය කළ පරීක්ෂණ මාර්ගයත් සනාථ කර ගැනීම අත්යවශ්යයි. එසේම, ඔබේ කණ්ඩායමට පසුගාමී වැඩ සම්පූර්ණ කිරීමේ බර අඩු වේ.
