Ganancias:
- Capacidad de transformar un requisito y un criterio de aceptación en casos de prueba integrales con técnicas como clases de equivalencia, análisis de valores límite y tablas de decisión, con el apoyo de inteligencia artificial.
- Capacidad para producir escenarios de casos positivos, negativos y extremos por separado y completar los casos extremos que la inteligencia artificial omitió con información del producto.
- Capacidad para establecer trazabilidad y eliminar brechas de cobertura y excesos innecesarios vinculando casos de prueba con criterios de aceptación.
El trabajo del evaluador a menudo comienza con esta pizarra en blanco: tiene un requisito ("el usuario debe poder restablecer su contraseña") y necesita convertir esta única frase en docenas de comprobaciones concretas que demostrarán que el software realmente funciona correctamente. Esta transformación se llama diseño de prueba. Es clave conocer la diferencia entre un escenario de prueba (un objetivo de alto nivel que describe qué probar, como "la contraseña no válida debe rechazarse") y un caso de prueba (una unidad ejecutable que detalla ese escenario con pasos concretos, entradas y resultados esperados). La inteligencia artificial (IA) acelera exactamente este momento de la página en blanco: convertir un requisito en docenas de escenarios preliminares en segundos. Pero recuerde: la IA replica las situaciones que se le ocurren; Usted elige con su conocimiento del producto qué situaciones son realmente importantes.
En esta unidad, aprenderá paso a paso cómo convertir un requisito en un conjunto de pruebas completo pero ordenado con soporte de IA.
Paso a paso: del requisito al conjunto de prueba
Paso 1: aclare el requisito. Recopile criterios de aceptación (condiciones que debe cumplir un trabajo para ser considerado "terminado") antes de darle a la IA el requisito en bruto. "La contraseña debe poder restablecerse" no es suficiente; Reglas como "restablecer el enlace es válido durante 30 minutos", "no se puede reutilizar la misma contraseña" son la fuente de la prueba real.
Paso 2: implementar técnicas de prueba. No se limite a decir "escribir un guión" sobre la IA; Pregunte por las técnicas clásicas de diseño de pruebas por nombre:
- Clases de equivalencia (partición de equivalencia): dividir las entradas en grupos que se espera que produzcan el mismo comportamiento. Por ejemplo, para el campo de edad, "rango válido", "demasiado pequeño" y "demasiado grande" son clases; Probar un ejemplo de cada clase es suficiente.
- Análisis de valores límite: prueba de valores umbral basándose en el hecho de que los errores ocurren con mayor frecuencia en los límites. Es como probar 17, 18, 19 por separado para el límite de edad de 18.
- Tabla de decisiones: tabulación de combinaciones de múltiples condiciones y el resultado esperado de cada combinación.
- Transición de estado: prueba de las transiciones del sistema de un estado a otro (por ejemplo, pedido: creado → pagado → enviado) y transiciones no válidas.
Paso 3: Separe los estados positivos, negativos y de borde. Solicite una prueba positiva (resultado esperado con entrada correcta), una prueba negativa (error correcto con entrada no válida) y un caso extremo: casos límite o inusuales. La IA generalmente enfatiza lo positivo; Los casos negativos y extremos están incompletos a menos que los solicite explícitamente.
Paso 4: Priorizar y podar. La IA puede generar 60 escenarios; No todos tienen el mismo valor. Priorice aquellos con alto riesgo (dinero, seguridad, pérdida de datos) y combine aquellos que estén duplicados.
Consejo: envíe una solicitud por separado a la IA que diga "generar 5 casos extremos impensables a partir de este requisito". La contribución más valiosa de la IA es que a menudo te recuerda situaciones extraordinarias que has pasado por alto.
Aviso débil / Aviso fuerte
Débil: "Escriba casos de prueba para restablecer la contraseña".
Fuerte: "Genere casos de prueba para la función 'restablecimiento de contraseña' con los siguientes criterios de aceptación: enlace válido durante 30 minutos, uso único, las últimas 3 contraseñas no se pueden reutilizar, cuenta bloqueada durante 15 minutos después de 5 intentos incorrectos. Aplique clases de equivalencia y análisis de valores límite. Proporcione casos positivos, negativos y extremos en encabezados separados. Para cada caso: identificación, requisitos previos, pasos, datos de prueba, resultado esperado, criterios de aceptación asociados. Resalte los escenarios de seguridad/bloqueo, tómelo".
Aviso potente; Proporciona reglas, técnicas, formato de salida y orden de prioridad. Por lo tanto, la IA produce casos de prueba ejecutables y rastreables, no decorativos.
Formato de salida del caso de prueba
Solicite un formato estructurado que pueda importarse directamente a la herramienta de gestión de pruebas de su equipo (por ejemplo, TestRail, Zephyr, Xray). La siguiente tabla muestra los componentes de un buen caso de prueba:
zona
Descripción
ejemplo
identificación
identificación única
TC-PWD-014
Título
breve propósito
El enlace caducado será rechazado.
requisito previo
Condición requerida antes de la prueba.
El enlace de reinicio se generó hace 31 minutos.
pasos
Acciones secuenciales
1. Haga clic en el enlace 2. Ingrese la nueva contraseña
datos de prueba
Valores concretos utilizados
enlace antiguo, nueva contraseña "Abc!2345"
resultado esperado
Comportamiento a verificar
Error "Enlace caducado", la contraseña no cambia
Criterios de aceptación
enlace de trazabilidad
AK-3: enlace válido por 30 minutos
prioridad
Nivel de riesgo
alto
Cuatro plantillas copiables
1) Producción de escenarios con base técnica:
Su rol: diseñador senior de pruebas. Genere casos de prueba para características: [características y criterios de aceptación]. Aplicar: clases de equivalencia, análisis de puntos de interrupción, tabla de decisiones. Proporcione resultados en 3 grupos: Positivo / Negativo / Caso límite. Cada caso: ID, condición previa, pasos, datos de prueba, resultado esperado, criterios de aceptación asociados, prioridad (Alta/Media/Baja).
2) Cazador de casos extremos:
Enumere 10 casos extremos que normalmente se pasan por alto para la siguiente característica: [característica]. Escribe en una oración por qué es riesgoso para cada uno. Piense en ejes como vacío/nulo, entrada demasiado larga, simultaneidad, tiempo de espera, errores de formato, Unicode/emoji, negativo/cero, interrupción de la red.
3) Producción de tablas de decisión:
Cree una tabla de decisiones para la siguiente regla de negocio: [reglas]. Columnas: combinaciones de condiciones; filas: cada condición y acción esperada. Marcar combinaciones inalcanzables o conflictivas. Luego proponga un caso de prueba para cada combinación.
4) Control de trazabilidad:
Dada la siguiente lista de criterios de aceptación y los siguientes casos de prueba:[criterios]/[casos]. Muestre en forma de tabla qué criterios de aceptación NO cumplen los casos de prueba (brecha de cobertura) y qué casos no cumplen ningún criterio (caso redundante).
tres mini casos
Caso 1: Valor de los estados de borde. Un experto de un equipo de tecnología financiera había escrito 18 guiones para la función de transferencia de dinero. Aplicó el modelo de “cazador de casos extremos” a la IA; AI recordó la situación de "transferir el mismo saldo desde dos dispositivos al mismo tiempo" (concurrencia). Cuando se probó este escenario, se encontró una vulnerabilidad de doble gasto y se cerró antes de entrar en funcionamiento. Una única situación marginal evitó una posible pérdida de seis cifras.
Caso 2: Recortar el bulto. Un equipo hizo que la IA produjera un guión para el formulario de membresía y se aprobaron 74 casos. Al ejecutar la plantilla de trazabilidad se encontró que 74 casos cumplían solo 9 criterios de aceptación, y muchos volvieron a probar la misma clase de equivalencia. El conjunto se redujo de 74 a 23 casos significativos; el tiempo de ejecución disminuyó en un 68%, la cobertura no disminuyó.
Caso 3: Suposición errónea. La IA sugirió probar fechas no válidas como “31 de febrero” para un campo de fecha, pero no sabía que el componente de calendario que estaba usando el equipo ya bloqueaba esto. El experto eliminó 4 de los 6 escenarios de fechas producidos por la IA por considerarlos innecesarios en el contexto del producto. Posibilidades generadas por IA; hizo una selección de información del producto.
Errores comunes
- Solicitar un guión sin dar criterios de aceptación. Sin saber qué es verdad, la IA produce escenarios superficiales que a menudo pasan por alto el riesgo real.
- Simplemente conformándome con pruebas positivas. Explícitamente no querer casos negativos y extremos. Aquí es donde a menudo residen los errores.
- Aceptar lo que se produce tal como es. Olvidando que la IA desconoce el contexto del producto y dejando en el set escenarios innecesarios o imposibles.
- Sin pasar por la trazabilidad. No vincular los casos a los criterios de aceptación; como resultado, no se ve qué criterio no se prueba (brecha de cobertura).
- Falacia de cantidad. Estar contento porque “se han lanzado 60 guiones”. El valor no está en el número, sino en el alcance que cubre el riesgo.
En resumen
El diseño de pruebas consiste en traducir un requisito de una oración en casos concretos y ejecutables que demuestren la corrección del software. La IA acelera enormemente esta transformación: produce planos completos cuando se le dan criterios de aceptación, técnicas de prueba clásicas (clases de equivalencia, puntos de interrupción, tabla de decisiones, transición de estado) y un formato de salida claro. Pero la IA está sesgada hacia lo positivo, no conoce el contexto del producto y puede producir una inflación innecesaria. Su trabajo es solicitar explícitamente casos negativos y extremos, establecer trazabilidad, priorizar por riesgo y podar.
Tarea de aplicación
Elija una característica de su propio proyecto y anote los criterios de aceptación. Haga que la IA genere casos de prueba con la plantilla de “generación de escenarios basada en técnicas”. Luego aplique las plantillas “cazador de casos extremos” y “verificación de trazabilidad”. Como resultado: (1) agregue al menos 3 casos extremos que la IA omite, (2) elimine los casos que no se conectan con ningún criterio de aceptación, (3) escriba nuevos casos si queda algún criterio de aceptación sin probar. Vierta el conjunto final en una hoja de cálculo.
lista de verificación
- [ ] Antes de solicitar un guión, aclaré los criterios de aceptación.
- [] Le pedí a YZ clases de equivalencia y análisis de valores límite por nombre.
- [] Generé estados positivos, negativos y de borde por separado.
- [ ] Vinculé cada caso de prueba a un criterio de aceptación (trazabilidad).
- [] Verifiqué la brecha de alcance y los casos innecesarios con la tabla.
- [ ] Prioricé por riesgo y podé el conjunto hinchado.