ضمان الجودة بمساعدة الذكاء الاصطناعي

لماذا يهم

ينتج النموذج اللغوي نصاً سلساً ومقنعاً. لكنه لم يرَ منتجك، ولا يعرف مستخدميك ولا مخاطرك، وقد يذكر تفصيلاً مختلَقاً بالثقة نفسها التي يذكر بها تفصيلاً صحيحاً: إنها الهلوسة التي اختبرتها في هذه الوحدة، ويسميها ملف الذكاء الاصطناعي التوليدي من NIST (⁦NIST AI 600-1⁩) «التلفيق» (confabulation). وحالة الاختبار ذات النتيجة المتوقعة المختلَقة أسوأ من غيابها: فقد تنجح مع سلوك خاطئ أو تفشل مع سلوك صحيح.

وهناك خطر ثانٍ: كل ما تلصقه في أداة ذكاء اصطناعي تعمل عبر الإنترنت يغادر جهازك، ومن ذلك رقم هاتف عميل في ملاحظة خطأ أو رمز وصول (access token) في سجل طلب. ومع المراجعة والمدخلات النظيفة يوفّر الذكاء الاصطناعي وقتاً حقيقياً في الصياغة؛ ومن دونهما يضيف عيوباً وتسريبات للبيانات.

مساعد في المسودات لا بديل عن الحكم المهني

تخيّل أداة الذكاء الاصطناعي زميلاً سريعاً واسع الاطلاع، لكنه لم يستخدم منتجك قط ولا يمكن أن يُحاسَب على شيء. وهي ليست مرجعاً للاختبار (test oracle): فالنتائج المتوقعة تأتي من أساس الاختبار (test basis)، أي المتطلبات ومعايير القبول والتصاميم، أو من مالك المنتج، ولا تأتي أبداً من تخمين النموذج. ويتناول منهج ISTQB للاختبار باستخدام الذكاء الاصطناعي التوليدي (CT-GenAI) هذا الاستخدام موضوعاً مستقلاً، والأساسيات لا تتغير: أنت من يختار ما يُختبر بناءً على المخاطر، ويطبّق تقنيات تصميم الاختبار، ويلاحظ المنتج الحقيقي، ويتحمّل مسؤولية النتيجة.

• استخدامات جيدة: أفكار الاختبار والحالات الطرفية، والمسودات الأولى لحالات الاختبار من قصة واضحة، وأسئلة الغموض لمراجعة المتطلبات، وتنظيم تقرير خطأ من ملاحظاتك أنت، وشرح رسالة خطأ غير مألوفة.
• استخدامات ضعيفة: تحديد نطاق الاختبار أو أولويته، وكتابة نتائج متوقعة لا يذكرها أساس الاختبار، وتحديد الخطورة دون معرفة الأثر على العمل، والاستغناء عن استكشاف المنتج الحقيقي.
• غير مقبول: الإبلاغ عن عيب لم تُعِد إنتاجه بنفسك، أو التوصية بالإصدار لأن ملخصاً من الذكاء الاصطناعي يقول إن النتائج تبدو جيدة.

الخصوصية: قرّر ما تلصقه قبل أن تلصقه

تعمل معظم أدوات الذكاء الاصطناعي كخدمة عبر الإنترنت: يُرسَل إدخالك إلى مزوّد الخدمة لينتج الإجابة. فقبل أن تلصق أي شيء، راجع سياسة مؤسستك بشأن أدوات الذكاء الاصطناعي المعتمدة والبيانات المسموح بإدخالها فيها. فالبيانات الشخصية في مواد الاختبار تبقى بيانات شخصية؛ وفي المملكة العربية السعودية مثلاً تخضع معالجتها لنظام حماية البيانات الشخصية (PDPL). والنموذج يحتاج إلى بنية المشكلة لا إلى القيم الحقيقية، فنظّف المدخل أولاً.

• البيانات الشخصية (الأسماء وأرقام الهواتف وعناوين البريد الإلكتروني وأرقام الهوية الوطنية وأرقام البطاقات): ضع مكانها قيماً اصطناعية من مولّد بيانات اختبار.
• الأسرار (كلمات المرور ومفاتيح API ورموز الوصول وملفات تعريف الارتباط للجلسات وترويسات Authorization): اكتب <redacted> مكانها.
• التفاصيل الداخلية (أسماء الخوادم وعناوين IP وأسماء العملاء والميزات غير المعلنة): لا تُدرجها ما لم تسمح بها السياسة.
• السرّ الحقيقي الذي لُصق خطأً يجب إبلاغ مالكه به وإلغاؤه؛ فحذف الرسالة لا يكفي.

قبل التنظيف: لا تلصق هذا
POST https://orders.int.example-shop.local/v2/checkout
Authorization: Bearer eyJhbGciOiJIUzI1NiJ9.eyJzdWIiOiI0NDIxIn0.Xk2...
{"customer": "Sara Al-Harbi", "phone": "+966 55 012 3456", "code": "SAVE20"}
-> 500 Internal Server Error

بعد التنظيف: يكفي ليساعدك الذكاء الاصطناعي
POST /v2/checkout
Authorization: Bearer <redacted>
{"customer": "Test User 01", "phone": "+966 50 000 0001", "code": "SAVE20"}
-> 500 Internal Server Error

جرّبها: مصنع بيانات الاختبار

تحقّق من كل مسودة قبل استخدامها

عامِل مخرجات الذكاء الاصطناعي كأي منتَج عمل لم يُراجَع بعد. فالصياغة السلسة ليست دليلاً على الصحة، وقد يعيد الطلب نفسه مسودة مختلفة في المرة التالية، فراجع النسخة التي ستستخدمها فعلاً، وبترتيب ثابت.

• التتبّع: اربط كل بند بأساس الاختبار. والبند الذي لا يمكنك تتبّعه إما فجوة في المتطلب (سؤال لمالك المنتج) وإما اختلاق (احذفه).
• تدقيق الحقائق: الحدود ورسائل الخطأ ورموز الحالة وأسماء الحقول والمعايير، مقابل المتطلب أو عقد الواجهة البرمجية (API contract) أو المنتج.
• قابلية التنفيذ: بيانات محددة ونتيجة متوقعة يمكن ملاحظتها. و«تحقّق من أن الميزة تعمل بشكل صحيح» ليست اختباراً.
• البحث عن الناقص: طبّق تقنياتك أنت (أقسام التكافؤ وجانبي كل حدّ وقواعد القرار والمخاطر)، واحذف الحالات المكررة من القسم نفسه.
• الشيفرة المولَّدة: شغّلها، وتأكد أن كل تحقق يفشل حين يجب أن يفشل، واقرأ كل محدِّد (selector) وكل تأكيد (assertion). أما سؤال الأداة نفسها عن صحة مخرجاتها فليس تحققاً.
• التسجيل: علّم المادة بأنها مُعدّة بمساعدة الذكاء الاصطناعي، واذكر اسم المراجِع.

مثال تطبيقي: مراجعة مسودة من الذكاء الاصطناعي لرمز خصم

معايير القبول لقصة الدفع: (⁦1⁩) الرمز SAVE20 يمنح خصم ⁦20%⁩ على الطلبات بقيمة ⁦200.00⁩ ريال فأكثر؛ (⁦2⁩) يمكن لكل عميل استخدام الرمز مرة واحدة؛ (⁦3⁩) يُرفض الرمز المنتهي برسالة «انتهت صلاحية هذا الرمز». والرمز SAVE20 صالح حتى الساعة ⁦23:59⁩ يوم ⁦31⁩ ديسمبر ⁦2026⁩ بتوقيت الرياض. وأعادت أداة ذكاء اصطناعي المسودة أدناه؛ راجعها بنداً بنداً.

• TC-01: احتفظ بها؛ فهي ترتبط بالمعيار ⁦1⁩، و⁦250.00⁩ بعد خصم ⁦20%⁩ تساوي ⁦200.00⁩.
• TC-02: احتفظ بالمدخل وتوقّع عدم تطبيق الخصم، لكن الرسالة مختلَقة: فالمعيار ⁦1⁩ لا يقول هل يُرفض الرمز تحت ⁦200.00⁩ ريال ولا ما الذي يراه العميل. اسأل مالك المنتج.
• TC-03: احتفظ بها مع بيانات محددة: SAVE20 في الساعة ⁦00:00⁩ يوم ⁦1⁩ يناير ⁦2027⁩ بتوقيت الرياض، في بيئة اختبار يمكنك ضبط ساعتها.
• TC-04: افترضت المسودة أن الرمز لا يميّز بين الأحرف الكبيرة والصغيرة؛ والمتطلب ساكت عن ذلك، فهذا سؤال.
• TC-05 وTC-06: احذفهما. فـTC-05 بلا بيانات ولا نتيجة متوقعة، وTC-06 من القسم نفسه الذي تمثله TC-01.
• أضف: ⁦199.99⁩ ريال (بلا خصم)، و⁦200.00⁩ ريال (الإجمالي ⁦160.00⁩)، واستخداماً ثانياً من العميل نفسه (مرفوض)، واستخداماً أول من عميل آخر (مقبول)، وSAVE20 في الساعة ⁦23:59⁩ يوم ⁦31⁩ ديسمبر (مقبول). فقد فاتت المسودة المعيارَ ⁦2⁩ تماماً.
• النتيجة: حالتان محفوظتان، وسؤالان، وحالتان محذوفتان، وخمس حالات مضافة. وفّر الذكاء الاصطناعي الكتابة، أما تغطية القواعد فجاءت من المراجعة.

TC-01  طبّق SAVE20 على طلب بقيمة 250.00 ريال
       المتوقع: الإجمالي 200.00 ريال
TC-02  طبّق SAVE20 على طلب بقيمة 150.00 ريال
       المتوقع: رسالة «الحد الأدنى للطلب 200 ريال»
TC-03  طبّق رمزاً منتهي الصلاحية
       المتوقع: رسالة «انتهت صلاحية هذا الرمز»
TC-04  طبّق "save20" بأحرف صغيرة
       المتوقع: قبول الرمز
TC-05  طبّق SAVE20 وتحقق من أن الخصم يعمل بشكل صحيح
TC-06  طبّق SAVE20 على طلب بقيمة 300.00 ريال
       المتوقع: تطبيق خصم 20%

جرّبها: تحليل القيم الحدّية

استخدام أدوات متقن للذكاء الاصطناعي بمسؤولية

تغطي أدوات متقن لضمان الجودة بالذكاء الاصطناعي توليد الاختبارات وتحليل المتطلبات وتحليل الأخطاء وتحسين الاختبارات: مثل حالات الاختبار من قصة مستخدم، وكشف الغموض، وأوصاف تقارير الأخطاء، واقتراح الخطورة. وهي تتطلب حساباً مجانياً وتُحسب من حصة يومية. وتقول ملاحظة الخصوصية فيها إن إدخالك يُرسَل إلى خدمة الذكاء الاصطناعي من متقن وإن المدخلات والنتائج لا تُخزَّن؛ لكن الإدخال يغادر جهازك مع ذلك، فتنطبق قواعد ما تلصقه بالكامل.

• حيث للتقنية قواعد ثابتة، فضّل أداة من متقن لا تعتمد على الذكاء الاصطناعي، مثل تحليل القيم الحدّية: فهي تعمل في متصفحك ولا تحتاج إلى تسجيل الدخول.
• حلّل بنفسك أولاً، ثم استخدم أداة الذكاء الاصطناعي رأياً ثانياً وقارن بين الاثنين.
• أعطِ مدخلاً دقيقاً: القصة ومعايير القبول وحدود الحقول وأدوار المستخدمين.
• عامِل الخطورة أو الأولوية المقترحة مدخلاً لفرز العيوب (triage)، لا قراراً.

جرّبها: مولّد حالات الاختبار بالذكاء الاصطناعي جرّبها: كاشف غموض المتطلبات بالذكاء الاصطناعي جرّبها: مولّد وصف الأخطاء بالذكاء الاصطناعي جرّبها: قصة المستخدم ← حالات اختبار

أسئلة شائعة

المراجع

• Certified Tester Specialist Level – Testing with Generative AI (CT-GenAI)ISTQBمنهج ISTQB لاستخدام النماذج اللغوية الكبيرة عبر عملية الاختبار — الاتجاه المقابل لاختبار أنظمة الذكاء الاصطناعي.
• Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1)NIST · 2024ملف الذكاء الاصطناعي التوليدي ضمن إطار AI RMF: مخاطر خاصة بالنماذج التوليدية مثل الاختلاق وسلامة المعلومات، وإجراءات مقترحة لإدارتها.
• Personal Data Protection Law (English translation)الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) · 2023النظام السعودي لحماية البيانات الشخصية — ولماذا ينبغي أن تستخدم بيئات الاختبار بيانات اصطناعية بدلاً من نسخ سجلات العملاء الحقيقية.
• ISTQB Certified Tester Foundation Level (CTFL) v4.0ISTQB · 2023المنهج التأسيسي لاختبار البرمجيات: مستويات الاختبار وأنواعه وتقنيات تصميم الاختبارات وإدارة الاختبار والأدوات.