(articolo redatto da Pierluca Pierro)
Di cosa parleremo
Da questo articolo prende avvio una serie di quattro post blog su come “Governare la trasformazione del testing – Dal processo manuale all’automazione industriale con GenAI”. La serie è basata su un contributo sottomesso al Project Management Institute e nasce da un’esperienza concreta di trasformazione del software testing in contesto enterprise. L’obiettivo è offrire una lettura strutturata di come la GenAI possa generare valore nel testing non come soluzione isolata, ma come parte di un sistema organizzativo, tecnico e gestionale coerente.
Il problema
–70% sui tempi di sviluppo degli script di test automatici.
Non è un claim commerciale. È un dato misurato su un progetto reale, in un contesto enterprise, confrontando il processo precedente con quello attuale attraverso KPI dedicati: tempo medio per test case e throughput di produzione.
Il problema di partenza è noto a chiunque lavori nella test automation. Esiste un gap strutturale tra chi conosce il business e chi sa scrivere codice di automazione. I tester manuali comprendono i processi funzionali in profondità, ma non padroneggiano framework e linguaggi di scripting. Gli automation engineer scrivono codice solido, ma non hanno la stessa profondità funzionale.
Le conseguenze sono prevedibili: rework, script instabili, copertura che cresce lentamente. L’automazione, invece di accelerare, diventa essa stessa una fonte di complessità.
I risultati
La soluzione non è stata introdurre la GenAI come bacchetta magica. È stata riprogettare il processo.
Abbiamo costruito un modello — lo abbiamo chiamato Dual-Layer GenAI Governance Model (DLGGM) — che separa strutturalmente la produzione funzionale del test dalla sua industrializzazione tecnica.
Al primo livello, i tester di dominio registrano il test case con un recorder e producono lo script con il supporto della GenAI.
Al secondo livello, gli automation engineer stabilizzano lo script, eliminano le fragilità e lo integrano nel ciclo di esecuzione ufficiale.
La GenAI non è un sostituto. È il collante tra i due livelli: supporta l’annotazione al primo livello, l’analisi del codice e i suggerimenti di miglioramento al secondo, e l’analisi dei log nella fase di manutenzione.
Il risultato misurato:
- Riduzione media del 70% nei tempi di sviluppo degli script.
- Diminuzione dei tempi di stabilizzazione.
- Contenimento del rework.
- Risultati che non derivano da un aumento dello sforzo, ma da un’architettura operativa diversa.
Conclusione
Ho formalizzato questo modello in un articolo sottomesso al Project Management Institute per la pubblicazione. Nelle prossime pubblicazioni descriverò in dettaglio l’architettura del processo, l’impatto sulle competenze del team e il framework di governance che rende tutto questo sostenibile nel tempo.
Se anche tu vuoi far parte del team di sviluppo Nexsoft,
dai un’occhiata alle nostre opportunità di lavoro e conosciamoci subito!
