Trong dự án Healthcare (thuộc GHC, đơn vị phần mềm y khoa, nhà Phần mềm FPT), một yêu cầu tưởng chừng chỉ gói gọn trong vài dòng có thể liên quan đến hàng loạt tài liệu. Thông tin nằm trên Jira, Confluence (các nền tảng lưu dự án) tài liệu kỹ thuật, test case cũ, thậm chí trong những trao đổi nội bộ… Vì vậy, trước khi kiểm thử một tính năng, kiểm thử viên (tester) phải tìm và kết nối những mảnh ghép ấy để hiểu chính xác mình cần kiểm tra điều gì.
Từ bài toán đó, Flezi Athena được đưa vào ứng dụng tại dự án kiểm định chất lượng xét nghiệm trên cơ sở các công cụ do khách hàng cấp license. Công cụ này tận dụng giải pháp AI để giảm công sức tài liệu hóa và kiểm thử, từ hỗ trợ tìm kiếm, nắm bắt bối cảnh và khai thác tri thức trên các nguồn được kết nối và hỗ trợ tạo test case.
 |
| Chia sẻ của chị Nguyễn Hồng Ngân (GHC.IMS, nhà Phần mềm FPT), kiểm thử viên (tester) dự án kiểm định chất lượng xét nghiệm, hé lộ phần việc ít được nhìn thấy phía sau mỗi bộ test. |
Khi xác minh yêu cầu trở thành “nút thắt”
Trước khi thiết kế test case, tôi thường đọc mô tả tính năng, tập hợp các quy tắc cùng các tài liệu liên quan trên Jira và Confluence. Với những tính năng liên quan đến giao diện hoặc tích hợp hệ thống, tôi còn phải kiểm tra UI, API, quy tắc nghiệp vụ và các kịch bản kiểm thử (test case) đã có.
Tuy nhiên, thu thập đủ tài liệu chưa đồng nghĩa với việc kiểm thử viên có thể bắt tay ngay vào viết. Những thông tin ấy cần được đối chiếu để xác định phạm vi kiểm thử, luồng chính, luồng ngoại lệ, mối quan hệ, điều kiện tiền đề và dữ liệu test cần chuẩn bị.
Khi yêu cầu còn thiếu, chưa rõ hoặc mâu thuẫn, tôi phải tổng hợp câu hỏi để xác minh với người phân tích nghiệp vụ (BA), lập trình viên và các bên liên quan. Nếu không được làm rõ sớm, test case có thể sai phạm vi, thiếu kịch bản hoặc phải cập nhật nhiều lần, kéo theo ảnh hưởng tới tiến độ đánh giá, chuẩn bị test data và thực hiện kiểm thử.
Theo tôi, vấn đề không nằm ở việc dự án thiếu thông tin. Ngược lại, tri thức liên tục được tạo ra nhưng lại phân tán ở nhiều nơi. Càng nhiều tài liệu, kiểm thử viên càng phải dành thêm công sức để tìm kiếm, đối chiếu và xác định đâu là nội dung còn phù hợp, test case nào có thể tái sử dụng.
Rút ngắn tới 20% thời gian phân tích cùng Flezi Athena
Để tháo gỡ nút thắt này, tôi bắt đầu sử dụng Flezi Athena (nền tảng nội bộ do FPT xây dựng) khi cần xử lý lượng thông tin lớn nhưng vẫn phải bảo đảm tiến độ và độ bao phủ kiểm thử.
Với một yêu cầu cụ thể, tôi cung cấp các dữ liệu liên quan như mô tả tính năng, tập hợp các quy tắc, tài liệu Confluence, hình ảnh giao diện, API và test case cũ. Khi cần, tôi bổ sung câu lệnh (prompt) để làm rõ phạm vi hoặc định dạng đầu ra mong muốn.
Từ đó, Flezi Athena hỗ trợ tóm tắt yêu cầu, nhận diện những điểm chưa rõ hoặc có khả năng mâu thuẫn, đề xuất kịch bản và tạo bản nháp test case. Cách làm này này cũng có thể hỗ trợ gợi ý test data, đánh giá sơ bộ độ bao phủ và tìm lại các test case liên quan.
Nhờ có bộ khung ban đầu, người kiểm thử không còn phải bắt đầu từ con số 0. Từ trải nghiệm của tôi, Flezi Athena giúp giảm khoảng 20% thời gian phân tích yêu cầu và từ 5% đến 20% thời gian thiết kế test case, tùy vào độ phức tạp cũng như chất lượng thông tin đầu vào.
Dù vậy, nhanh hơn không có nghĩa là bỏ qua bước kiểm tra. Trong quy trình hiện tại, tôi vẫn phải review, chỉnh sửa và hoàn thiện kết quả trước khi đưa vào hệ thống chính thức. Một số đề xuất của AI có thể còn chung chung hoặc chưa phản ánh đầy đủ các quy tắc và hành vi thực tế của hệ thống. Đây cũng là nguyên tắc được thể hiện trong luồng công việc trên nền tảng mà khách hàng cung cấp: AI tạo bản nháp, kiểm thử viên kiểm tra và quyết định trước khi tạo test. Giá trị lớn nhất của Flezi Athena là giúp chúng tôi có một điểm khởi đầu nhanh hơn và thêm góc nhìn khi phân tích yêu cầu.
Khi phần việc tìm kiếm và khởi tạo được rút ngắn, kiểm thử viên có thêm thời gian để phân tích rủi ro, kiểm tra các luồng phức tạp và thiết kế những kịch bản kiểm thử chuyên sâu. AI không làm vai trò của kiểm thử viên nhỏ đi, mà giúp kinh nghiệm và tư duy của chúng tôi được đặt vào đúng nơi tạo ra nhiều giá trị nhất.
Từ những trải nghiệm tại dự án kiểm định chất lượng xét nghiệm, nền tảng của nhà F đang góp phần mang đến một lát cắt cụ thể cho định hướng chuyển từ cấp độ 2 (Augmented) lên cấp độ 3 (Standard) theo khung FPT CASAN, khi AI không chỉ hỗ trợ từng tác vụ, mà từng bước được đưa vào quy trình sản xuất theo cách có kiểm soát và có thể đo lường.
Nguyễn Hồng Ngân | Đơn vị GHC, FPT Software
Ý kiến
()