TMAers thích sẻ chia

AI đang thay đổi cách phát triển phần mềm, và kiểm thử cũng không nằm ngoài làn sóng đó. Từ việc hỗ trợ viết test case, debug cho đến kiểm thử các sản phẩm tích hợp AI, vai trò của QA cũng đang dần thay đổi. Vậy người làm kiểm thử cần chuẩn bị gì để thích nghi? Cùng lắng nghe những chia sẻ của anh Nguyễn Hữu Tài - DC34 về cách anh và team ứng dụng AI trong thực tế cũng như góc nhìn về tương lai của nghề QA.

AI giúp QA làm nhanh hơn, nhưng cũng đòi hỏi QA làm tốt hơn 

AI đang thay đổi lĩnh vực kiểm thử theo hai hướng song song. Một mặt, AI trở thành trợ lý hỗ trợ QA tổng hợp tài liệu dự án, viết test case, test plan, test script, debug hay reproduce issue nhanh hơn, thậm chí có thể tự cập nhật các locator bị thay đổi sau mỗi lần release để giảm đáng kể công sức bảo trì automation test. Mặt khác, sự xuất hiện của ngày càng nhiều sản phẩm tích hợp AI cũng đặt ra yêu cầu mới cho QA: không chỉ sử dụng AI mà còn phải biết cách kiểm thử chính các hệ thống AI. Điều này cũng được phản ánh khi ISTQB đã bổ sung thêm các nội dung về AI Testing.

Điều khiến anh Tài tâm đắc nhất lại không nằm ở việc AI đang trở thành “trợ lý” đắc lực của con người mà ở sự thay đổi trong vai trò của người làm kiểm thử. Với anh, AI không lấy đi vai trò của QA mà đang dịch chuyển QA từ người trực tiếp tạo ra kết quả sang người đánh giá, kiểm chứng và đảm bảo chất lượng của kết quả đó.

"Trước đây viết được 50 test case mỗi ngày đã là tốt, giờ AI có thể giúp tạo ra 100–200 cái. Nhưng 200 cái đó có đúng không, có cover đủ edge case không? Vẫn là câu hỏi của con người." - Anh thẳng thắn chia sẻ.

Bắt đầu từ bài toán của dự án, không phải từ công cụ AI

Thay vì tìm kiếm một công cụ AI mới rồi mới nghĩ xem có thể dùng vào đâu, team của anh luôn bắt đầu từ bài toán thực tế cần giải quyết. Chẳng hạn, với mong muốn phát hiện UI regression mà không cần viết assertion thủ công, nhóm mới tìm đến các giải pháp như Vision LLM, VLM inference hay so sánh screenshot bằng AI. Trong bối cảnh AI thay đổi từng ngày và công cụ mới liên tục xuất hiện, cách tiếp cận này giúp team tập trung vào giá trị thay vì chạy theo xu hướng.

"Mình không chọn tool trước, mình có bài toán cần giải trước." Đó cũng là nguyên tắc anh áp dụng khi triển khai AI. Tuy nhiên, sau khi xây dựng được nhiều công cụ riêng lẻ, một bài toán khác lại xuất hiện: làm thế nào kết nối chúng thành một quy trình hoàn chỉnh và xác định đâu là điểm con người cần tham gia để review. Thách thức lớn nhất, với anh, không nằm ở công nghệ mà là ở lượng tri thức ngầm của team QA. Những bug hiếm gặp, những edge case đặc biệt hay những quy tắc chưa từng được tài liệu hóa đều đang nằm trong kinh nghiệm của từng thành viên. Việc chuyển hóa kho kiến thức đó thành dữ liệu để AI có thể khai thác mới là bài toán khó nhất.

AI là cộng sự, còn con người vẫn là nhân tố quyết định

Dù AI ngày càng thông minh, vẫn có những năng lực mà con người giữ vai trò không thể thay thế. Đó là khả năng đánh giá tính đúng đắn của kết quả và khả năng sáng tạo. AI có thể đưa ra rất nhiều phương án, nhưng việc xác định đâu là phương án đúng vẫn cần đến kinh nghiệm và tư duy của QA.

Để giải quyết vấn đề này, anh đã nảy ra ý tưởng xây dựng một hệ thống để LLM tự đọc context của UI change failure và đề xuất cách sửa automation test. Ý tưởng này không đến từ một bài nghiên cứu hay tài liệu kỹ thuật, mà xuất hiện trong lúc đi bộ và suy nghĩ. Sau đó, AI trở thành người đồng hành giúp hoàn thiện ý tưởng ấy thành một hướng triển khai cụ thể. Hiện tại, từ ý tưởng này, anh cùng team đang xây dựng một add-on trong framework automation nội bộ, tạm gọi là self-healing locator. Khi một automation test thất bại do giao diện (UI) thay đổi, thay vì QA phải tự tìm locator bị lỗi, chỉnh sửa rồi chạy lại kịch bản kiểm thử, hệ thống sẽ sử dụng LLM để đọc context của lỗi, phân tích nguyên nhân và đề xuất cách cập nhật locator. Trong giai đoạn tiếp theo, add-on sẽ hướng đến khả năng tự động tạo merge request để QA xem xét trước khi áp dụng. Dù vẫn đang trong quá trình phát triển, dự án này là một ví dụ rõ nét cho thấy AI không chỉ hỗ trợ xử lý công việc mà còn giúp hiện thực hóa những ý tưởng mới trong kiểm thử phần mềm. 

"Mình nghĩ ra idea, AI giúp mình phát triển và mở rộng nó." Đó cũng là lý do anh khuyến khích các QA bắt đầu với những tác vụ nhỏ, thử nghiệm AI Agent hay AI Workflow và đừng ngại khi AI trả lời sai. Càng phản hồi và bổ sung ngữ cảnh, AI càng hiểu cách làm việc của mình và trở thành một cộng sự hiệu quả hơn theo thời gian.

AI có thể hỗ trợ rất nhiều công việc, nhưng giá trị của người làm QA vẫn nằm ở khả năng tư duy, đánh giá và không ngừng học hỏi. Khi biết cách kết hợp kinh nghiệm của con người với sức mạnh của AI, mỗi bài toán kiểm thử sẽ không chỉ được giải quyết nhanh hơn mà còn hiệu quả hơn.