AI-Driven Automation of Software Testing to Enhance Software Quality and Enable Agentic AI
تقترح الورقة البحثية إطار عمل "Agentic-QA Fusion"، وهو نظام متعدد الوكلاء ذو حالة مستمرة يتغلب على قيود الذكاء الاصطناه التوليدي القياسي في توليد الاختبارات من خلال وضع الاستراتيجيات ذاتياً وإصلاح السكربتات ذاتياً لتحقيق دقة تركيبية شبه مثالية ودرجات طفرات عالية عبر المجالات الصناعية المعقدة والخاضعة للتنظيم.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في العالم الحديث، تُشغل البرمجيات كل شيء، بدءاً من حجوزات السفر التي نقوم بها وصولاً إلى الأنظمة المالية التي تُدير الأسواق. ومع ازدياد تعقيد هذه الأنظمة عبر تقسيمها إلى قطع صغيرة مترابطة تُسمى "الخدمات المصغرة" (microservices)، أصبح ضمان عملها بشكل صحيح تحدياً هائلاً. تقليدياً، كان البشر يكتبون حالات الاختبار (test cases)—وهي تعليمات محددة للتحقق مما إذا كان البرنامج يتصرف كما هو متوقع. ولكن مع تطور البرمجيات بسرعة أكبر من أي وقت مضى، أصبح الاختبار اليدوي يمثل عنق زجاجة، فهو بطيء جداً وعرضة للخطأ البشري لمواكبة التحديثات السريعة. ولحل هذه المشكلة، اتجه المهندسون إلى الذكاء الاصطناعي لكتابة هذه الاختبارات تلقائياً. ومع ذلك، ظهرت مشكلة كبيرة: النماذج القياسية للذكاء الاصطناعي بارعة في ترجمة النصوص إلى كود برمجي، لكنها غالباً ما تفتقر إلى الفهم العميق لمنطق العمل (business logic) المطلوب لإنشاء اختبارات ذات مغزى. فهي تميل إلى التخمين أو "الهلوسة" بوجود ميزات لا وجود لها، مما ينتج نصوصاً برمجية تبدو صحيحة ولكنها تفشل عند التشغيل. إن هذه الفجوة بين توليد الكود وفهم المتطلبات الاستراتيجية لنظام معقد تركت العديد من الصناعات تكافح لتحقيق ضمان جودة مؤتمت وموثوق حقاً.
لقد سعى الباحثان إبراهيم السمان ومحمد صفي، من الأكاديمية العربية للعلوم والتكنولوجيا والنقل البحري، إلى سد هذه الفجوة. حيث اقترحا نهجاً جديداً يسمى "إطار عمل دمج ضمان الجودة الوكيل" (Agentic-QA Fusion Framework)، والذي يبتعد عن فكرة مطالبة نموذج ذكاء اصطناعي واحد بكتابة اختبار في خطوة واحدة. بدلاً من ذلك، بنيا نظاماً تعمل فيه عدة وكلاء ذكاء اصطناعي متخصصين معاً كفريق، محاكين العملية التعاونية للخبراء البشريين. في هذا الإعداد، يعمل أحد الوكلاء كمحلل (parser) لقراءة المتطلات الكثيفة، وآخر كمسؤول فرز (triage officer) لتصفية المعلومات غير ذات الصلة، وثالث كمهندس معماري (architect) لتخطيط استراتيجية الاختبار، ورابع ككاتب لصياغة النصوص البرمجية الفعلية، وخامس كمدقق (auditor) لمراجعة وإصلاح الأخطاء قبل المخرج النهائي. تسمح حلقة "الفاعل-الناقد" (actor-critic) هذه للنظام بالتفكير في القواعد المعقدة ومتعددة الطبقات، وتصحيح أخطائه ذاتياً، وضمان أن كل اختبار يتم توليده سليم منطقياً ومثالي من الناحية التركيبية (syntactically perfect).
ولمعرفة ما إذا كان هذا الإطار الجديد فعالاً حقاً، اختبره الباحثان مقابل خمس مجموعات بيانات صناعية مختلفة من الواقع، تتراوح بين منصات حجز السفر التجارية مثل "ISIS Travel" و"Travco"، إلى الأنظمة المالية شديدة التنظيم مثل نظام "FIRDS" التابع لهيئة الأوراق المالية والأسواق الأوروبية، ومنصة حكومية لمطابقة الوظائف. وقارنوا نظامهم متعدد الوكلاء بست طرق أخرى، بما في ذلك التعلم الآلي الكلاسيكي، ونماذج تحويل النص إلى كود القياسية، وتقنيات الذكاء الاصطناعي التوليدي الأخرى. كانت النتائج صارخة؛ فالطرق القديمة، رغم سرعتها، أنتجت اختبارات كانت إما مليئة بالأخطاء، أو تكرر المنطق نفسه مراراً وتكراراً، أو فشلت في تغطية القواعد المعقدة للأنظمة التي تختبرها. على سبيل المثال، أنتج نموذج تعلم آلي قياسي آلاف الاختبارات في دقائق، لكن نصفها تقريباً كان عبارة عن "هلوسات"، حيث أشارت إلى ميزات غير موجودة. أما نموذج اللغة الكبير الواحد فقد ولد حجماً هائلاً من الاختبارات، لكنه عانى للحفاظ على القواعد الصارمة المطلوبة لللوائح المالية، مما أدى إلى معدل فشل مرتفع.
في المقابل، أظهر إطار عمل "Agentic-QA" مستوى من الدقة لم تستطع الطرق الأخرى مضاهاته. فمن خلال السماح للوكلاء بالتخطيط، والصياغة، ثم التدقيق بصرامة في عملهم، خفض النظام معدل الهلوسة إلى 1.4 بالمائة فقط وألغى التكرار، مما ضمن أن كل اختبار يضيف قيمة فريدة. حقق الإطار درجة طفرة (mutation score) بلغت 93.4 بالمائة، وهي مقياس لمدى قدرة الاختبارات على اكتشاف العيوب في الكود، متفوقاً بفارق كبير على أفضل طريقة تالية والتي سجلت حوالي 68 بالمائة. كما حافظ على معدل صحة تركيبية بنسبة 99.6 بالمائة، مما يعني أن الاختبارات المولدة كانت جاهزة للتشغيل دون الحاجة إلى تصحيح بشري. جاء هذا المستوى العالي من الجودة بتكلفة: فقد تطلب النظام قدرة حوسبة ووقت أكبر بكثير، حيث استغرق في المتوسط 21.2 ساعة لتوليد مجموعة اختبارات مقارنة بالدقايق المعدودة التي تطلبتها النماذج الأسرع والأقل دقة. ومع ذلك، يرى الباحثون أن هذه المقايضة ضرورية؛ فالوقت الإضافي والموارد الحوسبية هي ثمن الانتقال من الأتمتة الهشة والمعرضة للخطأ إلى نظام "بدون تدخل بشري" (zero-touch) موثوق يمكنه التعامل مع المنطق المعقد لبرمجيات المؤسسات الحديثة دون تدخل بشري مستمر.
كما كشفت الدراسة أن نجاح هذا النهج اعتمد بشكل كبير على الأدوار المحددة للوكلاء. فعندما أزال الباحثون وكيل "المدقق"، انهار قدرة النظام على إصلاح أخطائه التركيبية، وانخفضت جودة الاختبارات بشكل كبير. وبالمثل، أدت إزالة وكيل "المهندس المعماري" إلى زيادة في الاختبارات المكررة، حيث فقد النظام قدرته على التخطيط الاستراتيجي وتغطية الاختبار الفعالة. تشير هذه النتائج إلى أن ذكاء النظام لا يأتي من نموذج واحد قوي، بل من التعاون الهيكلي للأدوار المتخصصة التي تحاكي التفكير النقدي لفريق ضمان الجودة البشري. وبينما يتطلب الإطار حالياً أجهزة عالية الأداء، مثل معالجات الرسوميات المتقدمة، فإن النتائج تشير إلى أن هذا الاستثمار ضروري لتحقيق مستوى الموثوقية المطلوب في القطاعات الحساسة مثل التمويل والحكومة. ويخلص البحث إلى أنه من خلال تحويل التركيز من مجرد توليد الكود إلى التفكير النشط وحالة الاستمرارية (stateful reasoning)، يمكن إنشاء منظومة اختبار مؤتمتة ليست فقط أسرع من الفرق البشرية على المدى الطويل، بل أيضاً أكثر دقة وموثوقية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.