ChatGPT – vajon át tudja-e venni teljesen a tesztelők munkáját? – 2. rész

Előző cikkünkben azt vizsgáltuk meg, hogy magyarul milyen válaszokat kaptunk a bottól. A mostani cikkünkben arra vagyunk kíváncsiak, hogy hogyan viselkedik a program, ha ugyanezt a feladatot angolul adjuk meg neki. Vajon ugyanolyan kiszámíthatatlan bizonytalansággal küldi a megoldásokat, vagy a nyelvi könnyebbség miatt stabilabb eredményeket küld?

A feladat

Az előző cikkünkben feladatként ugyanazt az adott feladatot adtuk meg, angolul:

Prepare a cause-effect analysis matrix with columns defining the test cases and rows defining the conditions describing the test cases and possible actions, as in the following example: we want to withdraw money from an ATM.

Conditions:

  • The bank card is valid
  • A correct PIN code is entered
  • The PIN code must be entered no more than three times
  • There is enough money in the machine and entering the PIN code can be attempted up to 3 times

The machine is capable of the following operations:

  • Reject card
  • Re-acquire PIN
  • Return card
  • Request a new requested amount
  • Payment

Summarize the results in a table: horizontal rows contain the causes and effects, vertical columns contain the test cases.

Lássuk az eredményeket!

Kíváncsiságból itt is több alkalommal adtuk meg ezeket az input értékeket, alább tekinthetjük meg a chatGPT által küldött mátrixokat.

Összegzés

Mint láthatjuk, angol nyelven megfogalmazott input érték során sem küld a chatGPT megbízhatóbb eredményt, mint magyar nyelven, sőt – magyarul összeszedettebb és informatívabb táblázatot hoz létre, mint angolul. Összesen egyetlenegyszer küldött ugyanolyan mátrixot (3. táblázat), mint korábban (1. táblázat). Ez megerősíti a feltételezésünket, hogy ez a program néhány évig még nem valószínű, hogy veszélyeztetni fogja a manuális tesztelők munkáját.😊 Legalábbis egyelőre.

Megosztás

Kérsz értesítést a legújabb cikkekről?

Kapcsolódó cikkek

Tanácsadás álláskereső portálnak

Egy piacvezető állásportál működése során a hirdetések feldolgozása nem csupán üzleti folyamat – ez a szolgáltatás alapköve. Ha a hirdetésfeldolgozási rendszerekben vagy a háttéralkalmazásokban hiba lép fel, az közvetlenül befolyásolja a felhasználói élményt és a vállalatok toborzási hatékonyságát. Ebben az esettanulmányban bemutatjuk, hogyan elemeztük egy állásportál tesztelési folyamatait, milyen jelenlegi kihívások fedezhetők fel a működésben,

AI-alapú rendszerek tesztelése: Hogyan teszteljünk, ha nincs egyetlen helyes válasz?

A szoftvertesztelés (és maga az automatizálás is) évtizedeken át egy megnyugtató, determinisztikus alapelvre épült: ha X a bemenet, akkor a kimenetnek minden egyes alkalommal pontosan Y-nak kell lennie. Ha rákattintok a „Mentés” gombra user1-ként a weblapon, akkor egy új sor keletkezik az adatbázisban. A teszteset végeztekor valami vagy Pass vagy Fail. Nincs átmenet, nincs „talán”. Ez a determinisztikus

Milyen lesz a QA engineer szerepe az AI korszakában?

„Elveszi a mesterséges intelligencia a munkámat?” – Ez a kérdés ma a szoftvertesztelői közösség legforróbb és leggyakoribb témája. Ahogy a generatív AI modellek és az intelligens tesztelési platformok egyre kifinomultabbá válnak, sok QA szakember aggódva figyeli a híreket. A kód- és tesztgenerátor asszisztensek, az öngyógyító lokátorok és az automatikus hibadetektálási ígéretek láttán könnyen alakulhat ki

Scroll to Top