生産AI駆動型ホスト自動化テスト

翻訳者 | 陳俊

レビュー | Chonglou

業界では、従来のメインフレームアプリケーションのコードとデータを最新のテクノロジーアーキテクチャに移行することは、エンタープライズ情報システムのデジタル開発における重要な段階であると考えられています。特に効率性とスケーラビリティの向上を追求する場合、この移行には、従来のメインフレーム環境から、より柔軟なクラウドコンピューティングまたはオンプレミス展開ソリューションへの移行が含まれることがよくあります。

ただし、ビジネス環境が動的に変化すると、移行プロセスはより複雑になります。これは単なるリソースの技術的な再配置ではなく、根本的な変革であるため、さまざまな機能の同等性を確保し、アプリケーションの運用の整合性とパフォーマンスの標準化を維持するために、厳密なテストが必要になることがよくあります。

同時に、移行後、新しい要件、進化するビジネス戦略、規制基準の変更などにより、アプリケーションに大幅な変更を加える必要が生じることも少なくありません。そして、あらゆる変更は、それが小さな調整であろうと、大規模な「改修」であろうと、厳密にテストされなければなりません。重要な課題の 1 つは、予期しない結果や混乱を引き起こすことなく、新しい変更を既存の機能と調和的に統合できるようにすることです。新しい機能の検証と既存の機能の保持という二重の要件により、移行後の自動テストスイートの重要性が強調されていることがわかります。

近年、生成型AI（GenAI）の応用がさまざまな分野に広がっています。これをメインフレームの近代化プロセスに導入すれば、企業はソフトウェア品質や運用効率などを大幅に向上できるだけでなく、ソフトウェア開発や品質保証の概念に根本的な変化をもたらし、最終的に企業は大きな投資収益を得ることができるようになると期待されています。

次に、適切な自動テスト方法、ツール、ベストプラクティスを通じて、スムーズなテクノロジ移行中に最新のメインフレームアプリケーションの固有の品質とパフォーマンスを確保する方法について説明します。

従来の手動テストの概念

メインフレーム環境では、これまで自動テスト方法の導入に消極的でした。 Compuware と Vanson Bourne が共同で実施した 2019 年のグローバル調査では、メインフレームアプリケーションに自動テストケースを使用している回答者はわずか7%であることがわかりました。これは、このことに対する業界の姿勢を示すのに十分です。

手動テストのジレンマ

対照的に、手動テストは多くの企業で一般的に使用されている従来の方法です。しかし、このアプローチは、メインフレームの近代化という複雑なプロセスにおいては、ますます不十分になり、エラーが発生しやすくなります。結局のところ、テストエンジニアは各シナリオとビジネスルールを手動で検証する必要があります。このプロセスには人為的エラーの可能性が満ち溢れています。さらに、多くのメインフレームアプリケーションはリスクが高く、ミッションクリティカルな性質を持っているため、テストプロセス中に微妙なエラーを見逃すと、深刻な運用上の問題、長時間のダウンタイム、さらには経済的損失につながる可能性があります。したがって、この欠点は特に顕著になります。さらに、手動テストには次のような欠陥があります。

1. 漏れと不正確さ: 多数のテストケースを手動で処理すると、重要なシナリオが欠落したり、データの検証が不正確になったりするリスクが高まります。

2. 時間がかかる: 手動の方法では、あらゆる側面を徹底的にテストするのに多くの時間を要するため、ペースの速い開発環境では効率的ではありません。

3. スケーラビリティの問題: アプリケーションが拡張および進化するにつれて、手動テストに必要な作業負荷が飛躍的に増加し、エラーを効果的に特定できなくなります。

一部の企業では、手動テストチームの拡大を直感的に考えるかもしれません。しかし、これは実行可能な解決策ではありません。この動きはコスト効率が悪いだけでなく、手動テストプロセスに固有の制限に対処できません。企業は、効率を向上させ、エラーを削減するために、DevOps などの最新の方法論を通じて自動テストプロセスを統合する必要があります。

テスト自動化の必要性

要約すると、自動化されたテストプロセスを最新のメインフレームアプリケーションに統合することで、企業は移行の効率と精度を大幅に向上させることができます。もちろん、メインフレーム環境での自動テストの採用率は高くありません。これを課題と捉える企業もあれば、変革の大きなチャンスと捉える企業もあります。結局のところ、テストに自動化を導入することは、単なるテクノロジーのアップグレードではなく、リスクを軽減し、時間を節約し、リソースの使用を最適化するための戦略的な動きでもあります。

この変化は、急速に進化するテクノロジー環境において競争力と効率性を維持したい企業にとって非常に重要です。 State of DevOps レポートによると、自動テストは運用ワークフローの最適化とアプリケーションの信頼性の確保に大きな役割を果たすことができます。

自動テストとは何ですか?

Atlassian の定義によると、自動テストとは、ソフトウェアツールを使用して手動で実行されるソフトウェア製品のレビューと検証のプロセスを自動的に完了するプロセスです。その速度、効率、精度は、従来の手動テスト方法の限界を超えています。つまり、自動テストは、アプリケーションの変更を高速化すると同時に、品質と信頼性に影響を与えないようにするのに役立ちます。自動テストは、新しい変更の検証プロセスを簡素化するだけでなく、既存の機能の整合性を監視し、最新のアプリケーションのシームレスな移行と継続的なメンテナンスに重要な役割を果たします。

ソフトウェアテストプロセスを最適化するために、自動テストを使用する場合は、多くの場合、最初に手動で入力する必要があり、テストエンジニアがアプリケーションの基盤となる複雑なビジネスロジックを理解する必要があります。この理解は、Selenium などのフレームワークを使用して自動テストケースを効果的に生成するために不可欠です。この段階は多くの人手を消費しますが、基本的な作業です。結局のところ、その後の自動テストにより、特に反復的で大規模なテストのシナリオでは、テスト自体の手作業への依存が大幅に軽減されます。さらに、自動化フレームワークが確立されると、それはアプリケーションを継続的に評価するための強力なメカニズムになります。その利点は、変更を適用した結果として発生する可能性のあるエラーやバグを識別するのが得意なことです。

メインフレームの近代化における自動テスト方法

ソフトウェアエンジニアリングの分野では、メインフレームアプリケーションの大規模な移行や最新化のための自動テストでは、通常数百万行のコードで構成される巨大なコードベースの自動テストケースを生成するために、アプリケーション内のすべてのビジネスルールを包括的に理解することが求められることがよくあります。これは複雑で非常に難しい作業です。 100% のコードカバレッジを達成することは難しいため、重要なビジネスロジックがテストで適切にカバーされるようにするには、テストカバレッジの深さと実際の実現可能性のバランスを取る必要があります。

この文脈では、GenAI などの新興テクノロジーが可能性を提供します。自動テストスクリプトを自動的に生成してメインフレーム近代化プロジェクトのテストプロセスを簡素化し、ソフトウェア開発における品質保証のためのより効率的で正確かつスケーラブルな方法を提供します。

GenAIの普及

GenAI がメインフレームの近代化における自動テストをどのように実現できるかを詳しく説明する前に、GenAI について簡単に見てみましょう。基本的に、GenAI は人工知能の 1 つの側面を表します。生成モデルを通じてさまざまなテキスト、画像、その他のメディアを生成します。これらの生成 AI モデルは、入力トレーニングデータのパターンと構造要素を学習し、それらの特性を反映した新しいデータを生成するのが得意です。明らかに、このようなシステムは機械学習モデル、特にディープラーニング分野のモデルに大きく依存しています。

自然言語生成 (NLG) は、メインフレームの近代化に深く関連する GenAI の一種です。大規模言語モデル (LLM) のサポートにより、人間のようなテキストを生成できます。通常、LLM は大規模なテキストデータのコーパスでトレーニングされ、言語のニュアンスと構造を識別して再現できるようになります。その結果、このトレーニングにより、テキスト生成、翻訳の要約、感情分析など、さまざまな自然言語処理タスクを実行できるようになります。特に、LLM は正確なコンピュータプログラムコードを生成する能力にも長けています。

現在、大規模言語モデルの有名な使用例としては、GPT-3 (Generative Pre-trained Transformer 3)、BERT (Bidirectional Encoder Representations from Transformers)、T5 (Text-to-Text Transfer Transformer) などがあります。これらのモデルは、多くの場合、ディープニューラルネットワーク上に構築され、特に Transformer アーキテクチャを使用するモデルがこれに該当します。そのため、テキストなどの連続データの処理に優れた効果を発揮します。大量のトレーニングデータ (数百万または数十億の単語やドキュメントで構成) により、これらのモデルは幅広いプログラミング言語に関する包括的な知識を獲得できます。一貫性があり文脈に関連性のあるテキストを生成するのに優れているだけでなく、文章を完成させたりクエリに答えたりするなど、言語パターンを予測するのも得意です。

現在、一部の大規模言語モデルは複数の言語のテキストを理解して生成することもできるため、世界規模で実用性が向上しています。チャットボットやバーチャルアシスタントに「インテリジェンス」を提供することから、コンテンツ生成、言語翻訳、要約のサポートまで、LLMの汎用性は優れたパフォーマンスをもたらします。

GenAIを使用して自動テストスクリプトを生成する方法

ソフトウェアテストの分野では、LLM はアプリケーションコードからビジネスロジックを抽出し、これらのルールを人間が読める形式に変換して、対応する自動テストスクリプトを生成するのに役立ちます。同時に、コードスニペットのさまざまな潜在的なカバレッジ要件を満たすために必要な数のテストケースを選択するのにも役立ちます。

通常、GenAI を使用してアプリケーションコードの自動テストスクリプトを生成するには、次の 3 つのステップからなる構造化されたプロセスが必要です。

1. GenAI を使用してビジネスルールを抽出します。最初の段階として、GenAI を使用してアプリケーションからビジネスルールを抽出する必要があります。このプロセスでは、抽出されたルールの詳細レベルを決定し、人間が読める形式で解釈します。さらに、GenAI は、特定のコードスニペットのすべての潜在的な結果を包括的に理解するのに役立ちます。この知識は、正確で適切なテストスクリプトを作成するために重要です。

2. GenAI を使用して機能レベルで自動テストスクリプトを生成する: 抽出されたビジネスロジックに基づいて、テストエンジニアはアプリケーションの機能を包括的に理解し、GenAI を使用して機能レベルでテストスクリプトを開発できるようになります。このステップでは、必要なテストスクリプトの数を決定し、除外できるシナリオを特定します。もちろん、このような自動テストスクリプトのコードカバレッジは、チームによって共同で決定されることがよくあります。

3. 主題専門家 (SME) による検証と推論の追加: 最終段階では、ビジネスロジックが抽出され、対応する自動テストスクリプトが生成されると、テストの専門家がスクリプトを検証し、追加、変更、または削除を行う権限を持ちます。このような介入により、GenAI 出力から発生する可能性のある潜在的な確率的エラーに対処し、自動テストスクリプトの品質の確実性が向上します。

上記のプロセスは複雑に思えるかもしれませんが、実際には GenAI の機能を最大限に活用してテストスクリプト生成のプロセスを簡素化し、自動化された効率と人間の専門知識の完璧な組み合わせを保証します。その中で、検証フェーズにおけるテスターの参加は特に重要です。これにより、AI 生成の出力を実際の現実世界のアプリケーション知識に基づくものにすることができ、テストスクリプトの信頼性と適用性が大幅に向上します。

まとめ

要約すると、効率を向上させるツールとして、GenAI は NLG 機能を通じて自動テストスクリプトを生成し、メインフレームの近代化におけるソフトウェアテストプロセスの精度と信頼性を向上させることができます。同時に、GenAI は構造化された 3 段階のプロセスを使用して、AI によって生成される出力結果を改善し、自動化スクリプトが技術的に合理的であるだけでなく実際に適用可能であることを保証し、AI 機能と人間の専門知識の調和のとれた統一を反映する必要があります。この統合は、現代のメインフレームアプリケーションの複雑さと動的な要件に対処するために明らかに重要です。