El aprendizaje automático y la IA revolucionan las pruebas de ERP
La inteligencia artificial y el aprendizaje automático pueden ayudar a probar, probar y volver a probar. Hoy en día, la mayoría de las empresas confían en complejas arquitecturas de sistemas informáticos para gestionar la multitud de tareas diferentes. El núcleo suele ser un SAP S/4 basado en la nube, complementado con otras soluciones de software específicas. Esto proporciona a los clientes actuales de SAP una TI de alto rendimiento. Sin embargo, esto también da lugar a numerosas interfaces e interrupciones de medios, y por tanto a muchas fuentes potenciales de error, por ejemplo como resultado de una transferencia de datos poco limpia.
Si las empresas quieren garantizar los procesos entre sistemas, no pueden prescindir de las pruebas periódicas de los entornos de sus sistemas. En vista de las frecuentes actualizaciones y mejoras, se trata de una tarea tediosa. Los procesos modernos que se basan en el uso de la inteligencia artificial (IA) y los conceptos de aprendizaje automático pueden ayudar en este sentido.
"Desde hace algún tiempo, las empresas se centran cada vez más en la automatización de pruebas", informa Thomas Steirer, especialista en pruebas e IA de la empresa de ingeniería digital Nagarro y actualmente implicado en varios proyectos de investigación en este ámbito. "Pero a menudo no utilizan los métodos más modernos, en parte porque sencillamente no tienen una visión general de lo que ya es técnicamente posible".
"Para los consultores es esencial obtener una visión general de los procesos actuales de una empresa en el menor tiempo posible".
Thomas Steirer,
Especialista en pruebas e IA,
Nagarro
Por ejemplo, la cuestión de dónde deben empezar las estructuras modernas de pruebas. Thomas Steirer señala que el análisis automático de errores en los casos de pruebas fallidas ofrece información muy útil a las empresas: "Nuestra experiencia práctica demuestra que muchas pruebas de sistemas fallidas suelen deberse a unas pocas causas. Una vez conocidas éstas, los departamentos informáticos pueden optimizar su infraestructura de pruebas de forma mucho más específica. El requisito previo para ello es que analicen y clasifiquen los archivos de registro de las pruebas fallidas utilizando modelos de aprendizaje automático. Por desgracia, a menudo hay que ponerse al día en este aspecto".
Este procedimiento no es trivial. Para permitir una clasificación adecuada, los expertos en pruebas deben entrenar primero el algoritmo de ML necesario: Para ello, le proporcionan las categorías de error habituales y, a continuación, practican manualmente la clasificación correcta utilizando datos de entrenamiento.
A la entrada de socios:
