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

AI rendszerek tesztelése: miért teljesen más, mint egy hagyományos szoftveré?

Egyre több cég épít AI funkciót a termékébe: chatbotot az ügyfélszolgálatra, ajánlórendszert a webshopba, dokumentumfeldolgozót a háttérfolyamatokba, döntéstámogatót a szakértői munkába. A vezetők jó része ilyenkor ugyanúgy áll a teszteléshez, mint bármely más szoftvernél: „írjuk meg a teszteseteket, nézzük meg, átmegy-e”. Csakhogy egy AI rendszer másképp működik, és ami fontosabb: másképp is hibázik. Ezért másképp

AI által generált kód = új QA kihívások

Az AI asszisztensek (a GitHub Copilottól a különféle nagy nyelvi modellekig) néhány év alatt a szoftverfejlesztés mindennapi eszközévé váltak. Egy funkció, amelynek megírása korábban órákba telt, ma percek alatt elkészül. A fejlesztői produktivitás növekedése valós és mérhető. Csakhogy a sebesség önmagában megtévesztő mutató. A kód gyorsabb megírása ugyanis nem jelenti azt, hogy a kód jobb

Mit jelent egy sikeres release a CIO szemével?

Kérdezz meg egy fejlesztőt, mikor volt sikeres egy kiadás, és nagy eséllyel ezt hallod: „lefutott a pipeline, a kód bement a main ágba, nem dobott hibát a telepítés.” Technikailag tökéletes válasz. És egy CIO számára mégis szinte irreleváns. Mert egy vezető nézőpontjából a release nem akkor sikeres, amikor a kód kiment. Hanem akkor, ha másnap

Scroll to Top