Immagina di costruire una città enorme e in continuo mutamento, fatta di vetro e luce. Ogni giorno, gli architetti aggiungono nuove torri, i pittori cambiano i colori delle finestre e gli ingegneri sostituiscono le porte. Questa città è un'app mobile, e le persone che ci vivono sono milioni di utenti. Per assicurarti che la città non crolli, devi percorrere ogni strada, aprire ogni porta e controllare ogni finestra per vedere se funziona ancora. Questo si chiama "testing". Ma ecco il problema: la città cambia così velocemente che, nel momento in in cui finisci di controllare una strada, gli architetti l'hanno già ricostruita. Se provi a scrivere una lista di controllo rigida e robotica per ogni singola porta, nel momento in cui un pittore cambia una maniglia, la tua lista si rompe e devi riscriverla da capo. Questo è l'incubo del testing tradizionale delle app: è lento, fragile e richiede eserciti di persone per correggere costantemente le liste di controllo rotte.

Entra in scena l'idea dell' "investigatore IA". Invece di un robot che sa esattamente dove si trova una maniglia, immagina un detective che capisce a cosa serve una maniglia. Se la maniglia si sposta, il detective non va nel panico; semplicemente cerca la cosa che apre la porta e continua a camminare. Questo articolo, scritto da ingegneri di Uber, presenta un nuovo sistema chiamato DragonCrawl. Utilizza un'intelligenza artificiale super intelligente (un Large Language Model) per agire come quell'investigatore. Invece di memorizzare una mappa rigida, DragonCrawl legge l'app come fa un essere umano: guarda lo schermo, capisce l'obiettivo (come "prenotare una corsa") e capisce da solo quale sia il passo successivo. Il documento dimostra che questo approccio è molto più veloce, economico e meno propenso a rompersi quando l'app cambia, permettendo all'azienda di testare migliaia di diversi scenari automaticamente ogni volta che aggiorna la sua app.

Il Vecchio Modo vs Il Nuovo Modo

Prima di DragonCrawl, Uber utilizzava un metodo chiamato DragonCrawl V1. Pensa a questo come a uno studente che cerca di risolvere un labirinto memorizzando una singola foto del percorso. Se il labirinto fosse stato esattamente come nella foto, lo studente avrebbe potuto percorrerlo. Ma se le pareti si fossero spostate anche solo di poco, o se lo studente avesse visto lo stesso corridoio due volte in parti diverse del labirinto, si sarebbe confuso e avrebbe camminato in cerchio. Questo sistema funzionava bene per compiti semplici, ma falliva miseramente quando i compiti diventavano complicati. Era come cercare di navigare in una città guardando solo una mappa statica; non appena la città cresceva, la mappa diventava inutile.

La nuova versione, DragonCrawl V2, è un vero punto di svolta. Invece di una mappa statica, utilizza un cervello "generativo". Immagina una guida turistica che non è mai stata nella tua città, ma sa come funzionano le città. Tu dici alla guida: "Voglio andare all'aeroporto", e lei guarda la strada attuale, i segnali stradali e le persone intorno a sé per decidere: "Ok, girerò a sinistra qui". Se i segnali stradali cambiano, la guida non si ferma; semplicemente guarda i nuovi segnali e continua ad andare. Questo è il modo in cui funziona DragonCrawl V2. Non si limita a confrontare immagini; ragiona su cosa fare dopo in base all'obiettivo e a ciò che vede in quel momento.

Come Funziona Davvero

Il sistema è costruito su alcuni trucchi astuti che lo fanno sembrare quasi umano:

1. Il Cervello Basato sull'Intento: Invece di uno script che dice "Clicca sul pulsante A, poi clicca sul pulsante B", gli ingegneri scrivono una semplice frase: "Prenota una corsa dal centro all'aeroporto". L'IA legge questo obiettivo e poi guarda lo schermo. Si chiede: "Vedo una mappa e una casella 'Dove?' . Per raggiungere il mio obiettivo, dovrei toccare la casella". Lo fa passo dopo passo, ricordando tutto ciò che ha fatto finora, in modo da non perdersi mai in un loop.
2. Il Detective Visivo: Quando l'IA pensa di aver completato il compito, non si limita a spuntare una casella di controllo per vedere se è apparsa una parola specifica. Inveve, scatta uno "screenshot" dello schermo e chiede a un'IA super intelligente (GPT-4o): "Questa immagine sembra una prenotazione di corsa riuscita?". L'IA guarda l'immagine, vede la ricevuta o il messaggio di conferma e dice: "Sì, ce l'abbiamo fatta!". Questo è molto più difficile da rompere perché non le importa se il pulsante si è spostato o se il testo è cambiato da "Conferma" a "Ok".
3. Il Viaggiatore nel Tempo (Tool Calling): A volte, per testare una funzionalità, è necessario impostare una situazione fittizia. Ad esempio, per testare se un conducente viene approvato, devi fingere che abbia appena caricato il suo documento d'identità. In passato, questo era un incubo. DragonCrawl può ora parlare direttamente con il "dietro le quinte" dell'app. Può dire: "Ehi, fingi che questo conducente sia appena stato approvato", e il sistema cambia istantaneamente lo stato in modo che il test possa continuare. È come un regista che urla "Stop!" e cambia istantaneamente la scena per gli attori.

I Risultati: Più Veloci, Più Intelligenti e Più Economici

I numeri riportati nel documento sono piuttosto impressionanti. Prima di questo nuovo sistema, creare un test per una singola funzionalità richiedeva agli ingegneri circa 96-120 ore (ovvero settimane di lavoro!). Con DragonCrawl V2, possono configurare un test in meno di 4 ore. Si tratta di un'accelerazione enorme.

Poiché è molto più veloce da configurare, il team è stato in grado di far crescere i propri test da soli 48 test a 1.013 test. Eseguono questi test automaticamente ogni volta che qualcuno modifica il codice. Il sistema è incredibilmente affidabile: supera il 91,6% delle volte su iPhone e il 92,2% su Android. Questo è un grande salto rispetto al vecchio sistema, che superava solo circa l'80% dei test semplici e falliva completamente su quelli complessi.

Il documento evidenzia anche un beneficio sorprendente: il costo. Anche se usare un'IA super intelligente costa denaro per ogni domanda a cui risponde, il sistema sta in realtà facendo risparmiare una fortuna all'azienda. Automatizzando il lavoro che prima richiedeva agli umani settimane, stimano di risparmiare 27 anni di sforzo degli sviluppatori. È come avere 27 persone in più che lavorano per un intero anno, lasciando che l'IA faccia il lavoro pesante.

Perché Questo Importa a Tutti

Potreste chiedervi: "Perché dovrei preoccuparmene se un'azienda testa meglio la sua app?". Beh, pensate all'ultima volta che avete provato a usare un'app che continuava a crashare o che non vi permetteva di acquistare qualcosa. Di solito accade perché l'app è cambiata e i test non hanno colto l'errore. DragonCrawl aiuta a prevenire questo. Assicura che quando aprite l'app, i pulsanti funzionino, i pagamenti vadano a buon fine e la corsa venga prenotata, indipendentemente dalla lingua che parlate o dalla città in cui vi trovate.

Il documento nota anche un cambiamento nelle persone che svolgono il lavoro. Invece di essere "cliccatori" che seguono semplicemente uno script, i tester stanno diventando "direttori d'orchestra" che insegnano all'IA come pensare. Passano meno tempo a riparare i test rotti e più tempo a costruire nuove funzionalità. Trasforma il testing da un compito noioso e ripetitivo in un lavoro creativo e strategico.

I Limiti e il Futuro

Naturalmente, il documento è onesto riguardo a ciò che DragonClrawl non può ancora fare. Si affida a un servizio di IA esterno, il che significa che se quel servizio cambia le sue regole o va in crash, il testing si ferma. Costa anche denaro per essere eseguito, quindi le aziende più piccole potrebbero non potersi permettere di usarlo in questo momento. E sebbene sia bravissimo a seguire un percorso, non è perfetto; a volte potrebbe prendere una rotta leggermente diversa da quella prevista, anche se il sistema è progettato per rilevare questi errori.

Ma il messaggio principale è chiaro: il vecchio modo di testare le app — scrivere script rigidi e fragili — sta incontrando un muro. Le app sono troppo complesse e cambiano troppo velocemente. DragonCrawl dimostra che usando l'IA per comprendere l'intento piuttosto che solo i pixel, possiamo costruire un futuro in cui le app siano testate più a fondo, più velocemente e con meno mal di testa. Non è solo un miglior strumento; è un nuovo modo di pensare a come garantiamo che il nostro mondo digitale funzioni.