Test Otomasyonda Yapay Zeka & NLP
1.1. Test Otomasyon Sürecinde Yapay Zeka Kullanımı
QA Mühendisleri her gün birçok zorlukla karşılaşırlar ve uygun bir çözüm bulmak için fazla zaman harcarlar. Ürün üzerine yeni geliştirmeler yapılırken, testten geçmiş olan mevcut kodda hatalar oluşabilir. Regresyon testi sırasında fark edilen bu hatalar tekrar tekrar yaşandığı için ekstra bir efor ve maliyet oluşturur.
Bir diğer maliyet unsuru ise otomasyona yazılmayan geliştirmelerin manuel olarak test edilmesidir. Kısa sürede bitmesi gereken projelerde veya işlerde testlerin manuel olarak yapılması tercih edilir bu durum ise zaman kaybına ve detay hataların gözden kaçmasına sebep olur.
Bu olumsuzlukların önüne geçmeyi testlerimizi otomotize ederek sağlayabiliriz fakat testlerin otomatize edilmesi için geliştirmeler sonrası yeni senaryolar eklemek ve değişiklik yapılan senaryolara bakım yapmak gereklidir. Bu işlemler için de manuel olarak kod yazmamız gerekmektedir. Bu sebeple test otomasyonuna da yapay zekayı entegre etme fikri ortaya çıkmıştır.
1.1.1. Birim Testleri Oluşturma ve Güncelleme
Geliştiriciler birim testleri yazmak ve sürdürmek için önemli miktarda zaman harcarlar. Bu durumda otomatize edilmiş birim testleri oluşturmaya yönelik yapay zeka tabanlı ürünler zaman kaybının önüne geçer.
Yapay zeka tabanlı otomatize edilmiş birim testleri, statik veya dinamik analiz kullanan şablon tabanlı otomatik birim testi oluşturmaya göre bir adım öndedir. Bu şekilde oluşturulan testler yalnızca taslaklar değil gerçek kodlardır.
Ayrıca, AI tabanlı birim testler çok hızlı bir şekilde oluşturulabilir bu da mevcut büyük bir kod tabanı için faydalıdır.
AI tarafından oluşturulan birim testleri ,üzerine oluşturuldukları kodu yansıtır. Kodun amaçlanan işlevselliğini henüz tahmin edemezler . Kod istendiği gibi davranmazsa bu kod için oluşturulan birim test, bu istenmeyen davranışı yansıtacaktır. Bu önemli bir eksidir çünkü birim testlerinin tüm amacı, örtülü veya açık bir kodu uygulamak ve doğrulamaktır.
Ayrıca makine öğrenimi kullanılarak oluşturulan birim testleri mevcut çalışma birimi testlerini bozabilir. Geliştiricilerin bunu kontrol etmesi gerekir.Bununla birlikte geliştiriciler detaylı kontroller sağlamak isterse kendilerinin test yazması gerekebilir.
1.1.2. Kullanıcı Arayüz (UI) Testi
AI tabanlı UI testinde test otomasyon araçları nesne özelliklerini belirlemek için belge nesnesi modelini (DOM) ve ilgili kodu ayrıştırır. Uygulamada gezinmek ve UI testleri oluşturmak için UI nesnelerini ve öğelerini görsel olarak doğrulamak için görüntü tanıma tekniklerini kullanırlar.
Ek olarak AI test sistemleri uygulama kullanıcı arayüzündeki hataları veya varyasyonları bulmak için keşif testlerini kullanır ve bir test mühendisi tarafından daha sonra doğrulayabilmesi için ekran görüntüleri oluşturur. Benzer şekilde test edilen ekranın düzen, boyut ve renk gibi görsel yönlerini doğrulayabilme imkanı verir.
Kullanıcı arayüzündeki değişiklikler test kodunun başarısız olmasına neden olmaz. AI modelleri bunları görüntü tanıma sistemi sayesinde işleyebilir.
Gelişmiş bir uygulama için platformların uygulama sürümlerinin ve tarayıcı sürümlerinin sayısı çoktur. AI tabanlı UI otomasyonunun bu koşullar altında ne kadar iyi performans gösterdiği henüz bilinmemektedir ancak bulut test araçları testleri paralel olarak yürütebilir.
1.1.3. API Testleri
Yapay zeka kulllanılmadan API testini otomatikleştirmek API kapsamın derinliğini ve genişliğini sağlamak için çok sayıda test senaryosu yazmayı gerektirdiğinden maliyet oluşturan bir çalışmadır.
Mevcutta kullanılan API test otomasyon araçları testleri analiz etmek ve oluşturmak için API etkinliklerini ve trafiğini kaydeder fakat testleri değiştirmek ve güncellemek, test kullanıcılarının REST çağrılarının ve parametrelerinin küçük ayrıntılarının kodlanmasını gerektirir.
Yapay zeka tabanlı API otomasyon test araçları trafiği inceleyerek ve API çağrıları arasındaki kalıpları ve bağlantıları belirleyerek ve bunları senaryoya göre etkin bir şekilde gruplayarak bu sorunu azaltmaya çalışır. Araçlar ayrıca API’ler arasındaki ilişkiler hakkında bilgi edinmek API’lerdeki değişiklikleri anlamak ve mevcut testleri güncellemek veya senaryo tabanlı yeni testler oluşturmak için mevcut testleri kullanır.
API’lerin otomatik test edilmesi söz konusu olduğunda, yapay zeka çok önemli bir rol oynuyor.İyi çalışabilmeleri ve tüm gereksinimlerini karşılayabilmeleri için kapsamlı bir şekilde test edilmeleri gerekir. Kuruluşların kendilerini dolandırıcılıktan ve açıkta bırakabilecek güvenlik açıklarından koruyabilmeleri test yoluyla olur.
Günümüzde kuruluşlar, bir API için otomatik olarak testler yazmayı içeren örümcek oluşturma adı verilen bir süreçte yapay zekayı kullanabilmektedir. Örneğin, API’yi otomatik olarak taraması için yapay zeka kullanan test aracını API’nize yönlendirebilirsiniz. Bu işlem sırasında araç, diğerlerinin yanı sıra yükleme süreleri, API’nin özellikleri ve kodu gibi API ile ilgili verileri toplar. Bu süreç süreklidir.
Araç, belirli bir süre boyunca bir dizi veri oluşturur ve API’nin kabul ettiği veri modelleri hakkında aracın yapay zeka özelliklerini eğitir. Test aracı çalışırken, mevcut veri modellerini öğrendikleri ile karşılaştırır ve herhangi bir farklılık varsa bir bayrak kaldırır. Bu şekilde kuruluşlar, API’lerinin sorunsuz bir şekilde çalıştığından emin olmak için sorunları çözebilir.
API testleri için test tecrübesi olmayan testçiler veya programlama deneyimi olmayanlar yapay zeka tabanlı test otomasyon araçlarıyla rahat bir kullanımla ve belirli seviyede güvenlikle test yapabilirler.
API değişikliklerinin bir kısmının yapay zeka otomasyon aracı tarafından ele alınabileceği göz önüne alındığında değişiklik yönetimi önemli ölçüde daha kolay olacaktır.
1.1.4. Doğru Testleri Çalıştırma
API’ye yapılan sürekli entegrasyon ve testler, yapılan test sayısından çok fazla veri üretir. Birinin tüm bu verileri gözden geçirmesi, mevcut olabilecek ortak kalıpları araması çok zordur.
Kuruluşların API’lerdeki değişikliğin iyi olup olmadığını bilmeleri için kodlarında değişiklik yaptıktan sonra çalıştırmaları gereken test sayısını söyleyen bir API test çerçevesi (framework) uygulamasını gerekli kılar. Yapay zekanın devreye girdiği yer burasıdır. Yapay zeka ile kuruluşlar, değişikliğin iyi olup olmadığını belirlemek için değiştirilen kod üzerinde gerçekleştirebilecekleri en az sayıda testi bilebilir.
1.1.5. Güvenilir Testler Oluşturma
Yapay zeka tarafından desteklenen test araçları, API’deki değişiklikleri otomatik olarak öğrenerek testleri kendi başlarına yapabilir, test araçlarındaki yapay zeka, test araçlarının tüm nesne modelleri ve API’de yapılabilecek değişiklikler arasındaki ilişki de dahil olmak üzere API hakkında her şeyi öğrenmesini mümkün kılar ve kuruluşların değişikliklerin nerede olduğunu ve değişikliklerin API için işe yarayıp yaramadığını bilmelerini sağlayabilir. Bu, API’leri test etme sürecini güvenilir ve sürdürülebilir hale getirir.
1.1.6. Gelecekteki Arızaları Tahmin Etme
Bir API oluşturmak ve uygulamak, kuruluşların kullanım ömrü boyunca API’nin performansını yakından takip etmesini gerektirir. Ancak, API yayınlanıp tüketiciler tarafından kullanılmaya başlandıkça sorunlar ortaya çıkar.
API’lerinizi test ederken yapay zeka kullanmak, bunu çözmenize yardımcı olabilir. Test sırasında AI, API’niz hakkında her şeyi öğrenir ve API’nin yayınlandığında kendisini bulabileceği tüm olası durumları yansıtır.[1]
Yapay zeka ve makine öğrenimi kullanımı, ekiplerin hangi API ve UI test hatalarının gerçek uygulama sorunlarını gösterdiğini anlamasına ve ayrıca dışsal sorunların neden olduğu test hatalarının temel nedenini çözmesine yardımcı olur. Hem başarılı hem de başarısız testler sırasında sistemin arka uç davranışını izleyerek hangi varyasyonların kabul edilebilir ve hangilerinin sorunlu olduğu öğrenilir. Daha sonra bu öngörü, bir test başarısızlığının temel nedenini tahmin etmek için kullanılır. Test edilen uygulamayla ilgili bir sorun nedeniyle bir testin başarısız olduğu belirlenirse, geliştiricilere hata ayıklamak ve sorunu çözmek için en kritik ayrıntıları sağlanmış olur.
Çoğu durumda, bir test hatasının temel nedenini otomatik olarak “iyileştirebilir”. Örneğin, geçici olarak kullanılamayan bir üçüncü taraf API ile etkileşime girmeye çalıştığı için bir testin başarısız olduğunu çıkardığı varsayılırsa, bu API’nin davranışını, önceki başarılı test çalıştırmalarına dayalı olarak otomatik olarak simüle edebilir ve bu, testin normal şekilde devam etmesini sağlar.[3]
Tüm bu durumlar test edilmekte ve ileride ortaya çıkabilecek sorunlar tespit edilmektedir. Bu şekilde kuruluşlar, yayınlandıklarında kendilerini hangi durumlarda bulurlarsa bulsun API’lerinin iyi çalışmasını sağlayabilir. Genel olarak API testinin kurulumu zordur ve pek çok araç bu alanda makine öğrenimi tabanlı yetenekler sunmaz. [1]
1.2. Yapay Zeka Destekli Test Otomasyon Araçları
1.2.1. Applitools
Applitools, geliştiricilerin,test otomasyon mühendislerinin, QA uzmanlarının, DevOps ve dijital dönüşüm ekiplerinin yüksek kaliteli web veya mobil uygulamaları ve bu uygulamarın özelliklerinin daha hızlı yayınlamalarına yardımcı olmak için birinci sınıf “Görsel Yapay Zeka” teknolojisiyle desteklenen akıllı işlevsel ve görsel test otomasyon aracıdır.
Özellikler
· Applitools, dünyanın ilk görsel yapay zekasına sahip aracıdır.
· Aynı anda birden çok browser üzerinde çalışabilir ve bu sayede tarayıcılar arası test imkanı sağlar. (Chrome, Mozilla vb.)
· Applitools, cep telefonları, tabletler, dizüstü bilgisayarlar veya harici monitörler gibi farklı cihaz türlerinde uygulamanızın işlevselliğini ve görünümünü kontrol edilmesini sağlar.
· Applitools, bütün otomasyon frameworkleri ile entegre olarak çalışabilir ve bu sayede testleri istenilen framework aracılığı ile yapılabilir. (Selenium, Appium vb.)
· Jira entegrasyonu sayesinde, test koşumu sırasında alınan hatalar Jira’ya hata kaydı olarak eklenebilir.
1.2.2. Testim
Testim, test yazma, yürütme ve bakımını hızlandırmak için makine öğrenimini kullanan yapay zeka tabanlı otomatik fonksiyonel test platformudur. Testim ile kullanıcılar dakikalar içinde test senaryoları oluşturup kaydedebilir, yapay zeka tarafından gerçek kullanıcı akışlarına göre oluşturulmuş olan test senaryolarını kullanabilir ya da kaydedebilir. Oluşturulan test senaryolarını farklı tarayıcılarda paralel olarak çalıştırabilir, mevcut CI/CD ve işbirliği araçlarıyla entegre olabilirler. Aynı zamanda kullanıcılar, yaygın olarak kullanılan hata izleme araçlarıyla da entegre olarak hataların yakalanmasını ve raporlanmasını çok basit hale getirebilirler.
Özellikler
· Testim, yapay zeka tabanlı fonksiyonel test olanağı sağlayan ilk platformdur.
· Testim, tek bir kod satırı yazmadan test senaryoları oluşturma olanağı sağlar. Kodlama yaparak test senaryosu oluşturan kullanıcılar için ise mevcut özellikler üstüne yeni eklentiler ile kişiselleştirme olanağı sağlar.
· Testim, her sayfanın tüm DOM nesnelerini analiz ederek, nesnelerin özelliklerini çıkarıp ve bu analize dayanarak belirli bir nesneyi bulmak için dynamic locator özelliği ile karar verebilir.
· Testim, görsel doğrulama özelliği ile pikselleri, yazı tiplerini vb. kontrol edebilir.
· Testim, test senaryo hatalarını çeşitli şekillerde (test hata videosu, test step ekran görüntüleri vb. ) detaylı raporlayabilir.
· Testim, hatalı senaryoyu veya hatalı nesneleri raporlarken açıklama ekleme imkanı sağlar.
· Testim, hataları doğrudan Jira veya başka hata takip projelerine aktarabilme imkanı sağlar.
· Testim, birden çok tarayıcı ve platformda (Chrome, Firefox, Edge,EI, Safari ve Android) binlerce test çalıştırılıp dakikalar içinde sonuçları alabilme imkanı sağlar.
· Testim, gelişmiş tunnel encryption technology ile testlerinizi güvenli bir şekilde çalıştırma imkanı sağlar.
1.2.3. SeaLights
Yazılım Kalitesi Yönetimi ismini verdikleri bir platforma sahiptir. Bu platform, şirketlerin yazılım değişikliklerinde oluşabilecek riskleri değerlendirme ve yönetmeye yardımcı olmaktadır.
Yazılım değişikliğini biraz açmak gerekirse, her bir kod değişikliği ve her bir test yürütmesi ele alınarak, uçtan uca yaptığı işlemler ile ürün kontrolünde kalite risklerini ortaya koymaktadır.
Sealights, daha kaliteli yazılımı, daha hızlı sunma parolası ile ortaya çıkmıştır. Bu bağlamda, yapay zeka uygulamaları ile kaliteyi ve kalitede oluşacak riskleri önceden sezebilmektedir. Aynı zamanda yazılımı DevOps hızında sunmak için görünürlüğü, izlenebilirliği ve ölçümleri sağlar.
Özellikler
· SeaLights Yazılım Kalite Yönetimi, her değişiklikle ilgili kalite risklerini belirlerken, planlamadan üretime her ölçekte yazılım değişikliklerinin anlamlı izlenebilirliğini sağlayabilen bir platformdur.
· Ürünün hatalarını, müşteri ve kullanıcılarına ulaşmadan önlemek için kalite risklerini tanımlar, analiz eder, raporlar, azaltmaya ve kontrol etmeye yardımcı olur. SeaLights, yazılım geliştirme yaşam döngüsünün her aşamasında Yazılım Kalitesi Yönetimi sağlar.
· SeaLights Yazılım Kalite Yönetimi, her bir yazılım değişikliği için, tüm uçtan-uca teslimat hattı boyunca algılanabilir her kalite riskini tanımlayan, analiz eden ve ileten bir teknoloji platformudur. Bunu aktif çalışan sistemlerden,test çerçevelerinden ve yazılımlardan büyük miktarda veri toplayarak; AI/ML algoritmalarını kullanarak gerçek zamanlı olarak analiz eder.
1.2.4. Mabl
Günümüzde hayatın her yerinde yapay zeka çözümler kritik öneme sahip olmaya başlamışken ve ürünleri bu çözümlerle birleştirebilmek için türlü çalışmalar yapılırken test dünyasında da bu trendi takip eden ürünler bulmak mümkün. Mabl test sektöründe yapay zekayı kullanarak hizmet veren ürünlerden bir tanesi. Kod kullanmadan test otomasyon yapabilmeyi sağlayan bir hizmet sunan Mabl, test koşumlarından toplanan fazla miktardaki veriyi işlemek, analiz etme ve daha iyi bir deneyim oluşturmak için kullanıyor.
Özellikler
· Mabl Trainer sayesinde basit bir Chrome eklentisi kurularak kod kullanmadan senaryo hazırlayabilme rahatlığına kavuşuluyor.
· Ekranda istenilen işlemler yapılıp Chrome eklentisi sayesinde kaydedebilir, ayrıca tekrar kullanılabilir döngüler oluşturarak her seferinde yapılması gereken bir adımı adeta bir fonksiyon kullanır gibi sadece bir kez oluşturup sonrasında çağırarak yapılabilir.
1.2.5. TestComplete
SoapUI ürününün de geliştiricisi olarak bilinen SmartBear Software tarafından geliştirilmiş fonksiyonel bir otomatik test platformudur. Windows, .Net, Wpf, Visual, C++ Builder, Java, Web uygulamaları başta olmak üzere çok çeşitli uygulama türleri ve teknolojileri için yapay zeka ile desteklenen akıllı bir test otomasyon aracıdır. Veriye dayalı test, dağıtılmış testler, günlük regresyon testleriyle üstün destek sağlar.
Özellikler
· Dinamik kullanıcı arayüzü öğelerini yapay zeka destekli görsel tanıma ile doğru şekilde tanımlayarak testleri oluştururken ve sürdürürken zamandan tasarruf sağlar.
· Yapay zeka desteğiyle, SAP uygulamalarını test edebilir.
· Akıllı öneri sistemiyle daha akıllı test bakımı sağlar, kullanılmayan nesneleri ve uygulamada yapılan değişiklikleri otomatik olarak algılar ve bildirir.Yapay zeka desteğiyle %75’ten %95’ e varan başarı oranı sağlanmıştır.
· Otomatik kullanıcı arayüzü testlerini kolayca oluşturmak için anahtar keyword driven test düzenleyicisine sahiptir.
· Test uzmanlarının komut dosyalarını manuel olarak yazmalarına yardımcı olan kendi IDE’sine sahiptir.
· Jira, BugZilla ve AutomatedQA, Microsoft Visual Studio platformları hata izleme entegrasyonlarını tam destekler.[2]
2. Makine Öğrenimi Gerçekte Otomatik Testleri Nasıl Üretir?
Testlerin Makine öğrenmesi modelleri ile otomatik olarak üretilmesi üç aşamada gerçekleşir.
Eğitim: Eğitim aşamasında, makine öğrenimi modelinin kod tabanı, uygulama arayüzü, günlükler, test senaryoları ve hatta spesifikasyon belgeleri dahil olmak üzere belirli bir kurumsal veri kümesi üzerinde eğitilmesi gerekir. Eğitim aşamasında yeterince büyük bir veri setinin kullanılmaması algoritmanın çalışma verimini azaltır.
Bazı araçlarda, genelleştirilmiş öğrenmenin belirli bir kuruluşta kullanılabilmesi ve UI testi gibi belirli uygulamalar için sürekli öğrenme yoluyla güncellenen önceden eğitilmiş modeller kullanılır.
Çıktı oluşturma: Model kullanım durumuna bağlı olarak test senaryoları oluşturur. Mevcut test senaryolarını kod kapsamı, eksiksizlik, doğruluk açısından kontrol eder ve hatta testler gerçekleştirir. Her durumda doğrulamak ve kullanılabilir olduğundan emin olmak için üretilen çıktıyı kontrol etmesi gerekir.
Sürekli iyileştirme: Yapay zeka entegre edilmiş test otomasyon araçları düzenli olarak kullanmaya devam ettikçe eğitim verileri artmaya devam eder bu da eğitilmiş modellerin doğruluğunu ve etkinliğini artırır. [4]
3. Test Otomasyonda NLP Kullanımı
Doğal dil işleme teknolojisi kullanılarak hazırlanmış test otomasyon araçlarının komut dosyaları doğal dilde oluşturulduğu için daha karmaşık senaryolar ekleme imkanı sunarken üründe yapılan değişikliklere hızlı uyum sağlama artısı sunar.
Doğal dil işleme teknolojisine sahip test otomasyon araçları kullanılarak karmaşık olan senaryolar doğal dil ile kodlama bilgisi gerektirmeden rahatça otomatik hale getirilebilir.
3.1. NLP Tabanlı Test Otomasyon Araçlarını Kullanmanın Avantajları
Düşük Öğrenme Eğrisi
Doğal dil işlemenin çözmeyi amaçladığı en büyük sorunlardan biri test senaryolarını otomatikleştirmek için bazı programlama dillerinin öğrenilmesine ihtiyaç duyan otomasyon araçlarının çoğu için yüksek öğrenme eğrisidir. NLP, doğal dil kullanılarak test senaryolarının oluşturulmasını destekler; bu, öğrenilmesi veya anlaşılması gereken belirli bir kurallar dizisi olmadığı anlamına gelir.
Test Senaryolarını Okuması ve Anlaması Kolay
Doğal dil kullanılarak test senaryoları oluşturulduğunda test senaryoları her seviyedeki kullanıcı için anlaşılabilir hale gelir bu da ekibin herhangi bir üyesinin test senaryolarına bakabileceği ve gerekirse gözden geçirebileceği anlamına gelir.
Bakımı Kolay Test Senaryoları
Arka planda tekrarlanan konfigürasyonları ayarlamak ve değişiklikleri tanıtmak test senaryolarının okunması kolay olduğunda daha hızlı bir şekilde yapılabilir.
Tüm Ekip Üyeleri Test Senaryosu Oluşturabilir
Test senaryolarını oluştururken yalnızca kullanılan doğal dil bilgisine ihtiyaç vardır. Test senaryoları ekipteki herkes tarafından oluşturulabilir. Bu sistemi daha iyi bilen manuel test uzmanlarının test senaryolarını yazmak için dahil olabileceği ve ayrıca ürün veya proje yönetiminden veya müşteri tarafındaki herhangi birinin katılabileceği anlamına gelir. NLP tabanlı test otomasyon test senaryolarının kalitesini ve kapsamını geliştirme fırsatı sunar.
3.2. NLP Tabanlı Test Otomasyon Araçlarını Kullanmanın Dezavantajları
Mevcut Otomasyon Altyapısının Değiştirilmesi
Bir kuruluştaki bazı büyük iş akışları için yeni bir araç benimsendiğinde, bunun ne sunduğunu, önceki araçlardan nasıl farklı olduğunu ve sonunda en uygun şekilde nasıl kullanılacağını değerlendirmek biraz zaman alır. Bu nedenle organizasyonlar alıştığı teknolojilerden vazgeçmek konusunda çekimser davranırlar.
Yaygın bir uygulama olduğu gibi, eski otomasyon test araçlarının, otomasyon için özel becerilere ihtiyacı vardır, bu nedenle özel bir otomasyon test ekibi ekibi tutmak zorunlu hale gelir. NLP tabanlı araçlar için, manuel test cihazları, analistler ve yöneticiler tarafından otomasyon testi yapılabilir. [5]
3.3. Test Otomasyonu Endüstrisinin Neden NLP’ye Geçmesi Gerekiyor?
NLP tabanlı otomatik testler kolayca düzenlenebilir, tüm test senaryolarının otomatikleştirilmesini kolaylaştırır ve kullanıcı deneyimini optimize ederken bunları dinamik dağıtım hattı ile sıkı bir şekilde bütünleştirir.
NLP tabanlı testlerin basitliği ile, çevik geliştirmeye çok uygun ve kaliteli yazılımın yinelemeli teslimine izin veren esnek, kolay anlaşılır testler oluşturulabilir.
Bir yazılım testi ve kalite güvence şirketi olan Emeryville, California’dan Hima Pujara, NLP’nin bilgisayarlar ve insanlar arasındaki etkileşimi doğal dil kullanarak ele alan bir yapay zeka dalı olduğunu söylüyor. Kullanımı artık Siri veya Alexa gibi sanal asistanların ötesine geçiyor ve doğal dil anlayışına (NLU) dönüşüyor.
NLU, kendi adına niyeti, bağlamı ve belirsizliği tam olarak ayırt etmek için belirli kelimelerin ve dil yapısının ötesine geçiyor. Ayrıca, NLU algoritmaları, insanların yazılı metin ve konuşmada kullandığı tüm çıkarımları, önerileri, deyimleri ve incelikleri işleyebiliyor.
Pujara, NLP’nin, sosyal jestleri veya yorumları çevreleyen metinlerin bu tür jestlerin veya yorumların olumlu veya olumsuz olup olmadığına dair bir ipucu verebileceği duygu analizinde artık mevcut olduğunu dile getiriyor. Ayrıca konuşma tanıma teknolojisindeki daha fazla iyileştirme ile NLP’nin, geleneksel BI’nın kapsamını işin her alanına genişleteceğini de ekliyor.
NLP’deki bir araştırmacı, Ulusal Sağlık Enstitüsü’ndeki klinik karar verme sürecinin çoğunun NLP sayesinde mümkün kılınan metne dayalı kanıtlar tarafından yönlendirildiğine dikkat çekiyor.
NLP destekli akıllı asistanlar, işletmelere önemli ödüller sunuyor. İşletmelerin müşteri memnuniyeti oranlarını ve müşteri sadakatini artırmalarına yardımcı oluyor. Ayrıca NLP, duyarlılık analizi, pazar istihbaratı, müşteri odaklı hizmetler, hedef reklamcılık hunileri ve yazılım testindeki rolü nedeniyle gelecekte işletmeler için iyi bir seçim olarak göze çarpıyor.
NLP’nin geniş bir uygulama yelpazesi vardır. New York merkezli Go Beyond’dan Jenn Halweil, NLP’nin daha ilginç iş uygulamalarından bazılarının yapay makine öğrenimi ile oluşturulan reklam metnini içerdiğini söylüyor. Bu, özellikle büyüme pazarlamacılarının ve sosyal medya reklam uzmanlarının içeriği anahtar kelimelerle karıştırmaya ve bu içeriği BGBM maliyetlerini düşürmek için A/B testi yapmaya odaklandığı bir dünyada geçerli oluyor. Bunların tümü, belirli sonuçlara göre nicelleştirilebilen ve ölçülebilen işlevlerdir. Bu, NLP aracılığıyla otomatikleştirilebilen işlevler oldukları anlamına geliyor. [6]
Referanslar
1. 2021, How to Use Artificial Intelligence in API Automated Testing, https://animasmarketing.com/how-to-use-artificial-intelligence-in-API-automated-testing/
2. TesterYou AI Destekli Otomasyon Araçları, https://www.testeryou.com/tr/yapay-zeka-destekli-test-otomasyon-araclari-2021/
3. https://www.tricentis.com/artificial-intelligence-software-testing/test-failure-prioritization- healing/
4. Harold Fernandes,2021, AI IN TEST AUTOMATION: HERE’S HOW IT WORKS, https://theqalead.com/topics/ai-test-automation/
5. Mohammad Adil,2021, Smart Test Automation using NLP: What you should know? , https://testsigma.com/blog/smart-test-automation-using-nlp-what-you-should-know/
6. Derya Coşkun,2021, Şirketler Neden NLP’ye Yatırım Yapıyor?, https://www.cioupdate.com.tr/strateji/sirketler-neden-nlpye-yatirim-yAPIyor/
