{"id":68729,"date":"2023-10-01T10:33:07","date_gmt":"2023-10-01T10:33:07","guid":{"rendered":"https:\/\/www.zaptest.com\/ingegneria-tempestiva-nellautomazione-del-software"},"modified":"2023-10-01T10:41:50","modified_gmt":"2023-10-01T10:41:50","slug":"ingegneria-tempestiva-nellautomazione-del-software","status":"publish","type":"post","link":"https:\/\/www.zaptest.com\/it\/ingegneria-tempestiva-nellautomazione-del-software","title":{"rendered":"Ingegneria tempestiva nell&#8217;automazione del software"},"content":{"rendered":"<p><span style=\"font-weight: 400;\">ChatGPT, Bard e altri importanti Large Language Models (LLM) hanno dominato i nostri feed di notizie nell&#8217;ultimo anno. E giustamente. Queste entusiasmanti tecnologie ci offrono uno sguardo al futuro, alla potenza e alle possibilit\u00e0 dell&#8217;IA.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Sebbene l&#8217;entusiasmo del pubblico si sia concentrato sulla creazione di testi, immagini e video, questi strumenti possono essere utilizzati per molte altre discipline, come l&#8217;automazione del software.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Questo articolo \u00e8 un approfondimento su come il prompt engineering pu\u00f2 aiutarci con l&#8217;automazione del software. Tuttavia, il nostro primo punto di riferimento dovrebbe essere l&#8217;esame dell&#8217;ingegneria rapida stessa.<\/span><\/p>\n<p>&nbsp;<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-custom ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #b90000;color:#b90000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #b90000;color:#b90000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 eztoc-toggle-hide-by-default' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.zaptest.com\/it\/ingegneria-tempestiva-nellautomazione-del-software\/#Che_cose_il_prompt_engineering\" >Che cos&#8217;\u00e8 il prompt engineering?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.zaptest.com\/it\/ingegneria-tempestiva-nellautomazione-del-software\/#In_che_modo_lingegneria_di_emergenza_puo_essere_daiuto\" >In che modo l&#8217;ingegneria di emergenza pu\u00f2 essere d&#8217;aiuto<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.zaptest.com\/it\/ingegneria-tempestiva-nellautomazione-del-software\/#con_lautomazione_del_software\" >con l&#8217;automazione del software?<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.zaptest.com\/it\/ingegneria-tempestiva-nellautomazione-del-software\/#1_Generazione_di_codice\" >#1. Generazione di codice<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.zaptest.com\/it\/ingegneria-tempestiva-nellautomazione-del-software\/#2_Conversione_di_dati_non_strutturati\" >#2. Conversione di dati non strutturati<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.zaptest.com\/it\/ingegneria-tempestiva-nellautomazione-del-software\/#3_Automazione_dei_test\" >#3. Automazione dei test<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.zaptest.com\/it\/ingegneria-tempestiva-nellautomazione-del-software\/#Riflessioni_finali\" >Riflessioni finali<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Che_cose_il_prompt_engineering\"><\/span><strong>Che cos&#8217;\u00e8 il prompt engineering?<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>&nbsp;<\/p>\n<p><span style=\"font-weight: 400;\">I modelli linguistici di grandi dimensioni come ChatGPT producono output basati sulle richieste o sulle frasi che gli forniamo. Tuttavia, i risultati variano notevolmente a seconda delle parole o delle istruzioni che utilizziamo. Quando si immettono istruzioni vaghe e imprecise, il risultato potrebbe non essere quello desiderato.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">L&#8217;ingegneria dei prompt si riferisce alla progettazione ponderata degli input che aiutano a ottenere contenuti pi\u00f9 precisi, accurati e, in ultima analisi, utilizzabili da questi interessanti sistemi di intelligenza artificiale.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">I sistemi Large Language Model (LLM) utilizzano l&#8217;elaborazione del linguaggio naturale (NLP) per interpretare le affermazioni che gli forniamo. Le macchine trasformano le domande o le istruzioni (cio\u00e8 i suggerimenti) in codice e le eseguono attraverso i loro vasti archivi di dati per produrre contenuti in qualsiasi formato da noi specificato (cio\u00e8 testo, immagini, codice).<\/span><\/p>\n<p><span style=\"font-weight: 400;\">ChatGPT \u00e8 stato addestrato su oltre<\/span><a href=\"https:\/\/www.sciencefocus.com\/future-technology\/gpt-3\"><br \/>\n  <span style=\"font-weight: 400;\"> 570 GB di dati<\/span><br \/>\n<\/a><span style=\"font-weight: 400;\">. Il materiale formativo \u00e8 costituito da libri, articoli, testi web e cos\u00ec via. In altre parole, questi set di dati contengono una quantit\u00e0 di conoscenza inimmaginabile.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Anche se possiamo comprendere il processo, molto di ci\u00f2 che accade sotto il cofano di questi sistemi avviene al di fuori della nostra vista. Certo, controlliamo gli input e gli output e addestriamo il sistema, ma come questi algoritmi funzionino e prendano le decisioni \u00e8 ancora un mistero. Come dice Sam Bowman, professore di AI alla New York University,<\/span><a href=\"https:\/\/www.vox.com\/unexplainable\/2023\/7\/15\/23793840\/chat-gpt-ai-science-mystery-unexplainable-podcast\"><span style=\"font-weight: 400;\">  &#8220;L&#8217;abbiamo costruito, l&#8217;abbiamo addestrato, ma non sappiamo cosa stia facendo&#8221;.<\/span><\/a><\/p>\n<p><span style=\"font-weight: 400;\">L&#8217;ingegneria tempestiva ci aiuta a gestire il caos utilizzando output che producono risultati prevedibili e utilizzabili. Ci offrono un percorso per sbloccare le vaste quantit\u00e0 di conoscenze contenute in queste applicazioni.  <\/span><a href=\"https:\/\/tech.eu\/2023\/06\/09\/the-hot-new-job-that-pays-six-figures-ai-prompt-engineering\/#:~:text=The%20World%20Economic%20Forum%20(WEF,those%20roles%20is%20prompt%20engineering.\"><br \/>\n  <span style=\"font-weight: 400;\">Questa disciplina sta emergendo come una nuova carriera<\/span><br \/>\n<\/a><span style=\"font-weight: 400;\">con corsi che sorgono ovunque, mentre le aziende cercano di capire come sfruttare questa potente tecnologia. <\/span> <\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"In_che_modo_lingegneria_di_emergenza_puo_essere_daiuto\"><\/span><strong>In che modo l&#8217;ingegneria di emergenza pu\u00f2 essere d&#8217;aiuto  <\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"con_lautomazione_del_software\"><\/span><strong>con l&#8217;automazione del software?<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><img data-dominant-color=\"0e0d0d\" data-has-transparency=\"false\" style=\"--dominant-color: #0e0d0d;\" decoding=\"async\" class=\"aligncenter wp-image-68719 not-transparent\" src=\"https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-1024x683.webp\" alt=\"utilizzo di chatcpg per varie attivit\u00e0 di automazione software e rpa\" width=\"518\" height=\"345\" srcset=\"https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-1024x683.webp 1024w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-300x200.webp 300w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-768x512.webp 768w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-1536x1024.webp 1536w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-1080x720.webp 1080w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-1280x853.webp 1280w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-980x653.webp 980w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-480x320.webp 480w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/10\/utilizing-chatcpg-for-various-software-automation-and-rpa-tasks-jpeg.webp 1920w\" sizes=\"(max-width: 518px) 100vw, 518px\" \/><\/p>\n<p><span style=\"font-weight: 400;\">L&#8217;automazione del software e i LLM hanno molto in comune. Entrambi offrono uno scorcio di un futuro in cui le macchine aumenteranno la creativit\u00e0 umana per creare luoghi di lavoro pi\u00f9 veloci e produttivi.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Esistono diverse aree interessanti in cui queste due tecnologie possono convergere. Ecco tre modi in cui possiamo utilizzare l&#8217;ingegneria dei prompt nell&#8217;automazione del software.<\/span><\/p>\n<p>&nbsp;<\/p>\n<h3 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"1_Generazione_di_codice\"><\/span><strong>#1. Generazione di codice<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p><img data-dominant-color=\"606060\" data-has-transparency=\"false\" style=\"--dominant-color: #606060;\" decoding=\"async\" class=\"aligncenter wp-image-67409 not-transparent\" src=\"https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/09\/tcoe-2-683x1024.webp\" alt=\"generazione di codice con prompt engineering nell'automazione dei test\" width=\"312\" height=\"468\"><\/p>\n<p><span style=\"font-weight: 400;\">La scrittura di codice \u00e8 una delle applicazioni pi\u00f9 promettenti dei Large Language Models. I LLM sull&#8217;intelligenza artificiale sono agli albori. Nei prossimi anni questa tecnologia dovrebbe migliorare grazie all&#8217;aggiunta di maggiori risorse sia per l&#8217;informatica che per la formazione.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">A lungo termine, questi progressi potrebbero vedere l&#8217;intelligenza artificiale scrivere interi programmi con un intervento umano limitato o nullo. Tuttavia, per il momento, gli LLM hanno alcune limitazioni. La qualit\u00e0 dell&#8217;output della codifica LLM dipende principalmente dalla qualit\u00e0 dell&#8217;input. Spazzatura in entrata, spazzatura in uscita, come si suol dire.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Naturalmente, non \u00e8 solo l&#8217;efficace ingegneria dei tempi a costituire un ostacolo.  <\/span><span style=\"font-weight: 400;\">Come suggerito in  <\/span><a href=\"https:\/\/www.ncbi.nlm.nih.gov\/pmc\/articles\/PMC10339472\/\"><span style=\"font-weight: 400;\">ChatGPT e modelli linguistici di grandi dimensioni in ambito accademico: Opportunit\u00e0 e sfide<\/span><\/a><span style=\"font-weight: 400;\">  (Meyer, 2023), &#8220;Attualmente, ChatGPT ha maggiori probabilit\u00e0 di successo nella scrittura accurata di piccoli blocchi di codice, mentre la sua affidabilit\u00e0 nella scrittura di programmi pi\u00f9 grandi e complessi (ad esempio, un pacchetto software) \u00e8 discutibile&#8221;.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Inoltre, in un recente articolo pubblicato sulla rivista Nature, alcuni informatici hanno avvertito che dovremmo affrontare la generazione di codice con gli LLM con una certa cautela. Un altro documento contemporaneo,  <\/span><a href=\"https:\/\/arxiv.org\/abs\/2303.11455\"><br \/>\n  <span style=\"font-weight: 400;\">Modelli linguistici di grandi dimensioni e bug semplici e stupidi <\/span><br \/>\n<\/a><span style=\"font-weight: 400;\">(Jesse, 2023), ha dimostrato come un popolare LLM, Codex, utilizzato dal fornitore Copilot, produca &#8220;SStuB noti e verbatim con una probabilit\u00e0 doppia rispetto al codice noto e verbatim corretto&#8221;. <\/span> <\/p>\n<p><span style=\"font-weight: 400;\">Sebbene questi problemi non possano essere ignorati, c&#8217;\u00e8 ancora molto entusiasmo giustificato per il modo in cui questi programmi possono contribuire a democratizzare lo sviluppo del software, supportando i team tecnici e non tecnici.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Forse la cosa pi\u00f9 impressionante da considerare \u00e8 che strumenti come ChatGPT possono produrre codice funzionale molto rapidamente. Con il prompt giusto, gli ingegneri possono ridurre il tempo necessario per programmare alcuni tipi di codice, garantendo un ciclo di vita di sviluppo del software pi\u00f9 rapido.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Alla fine del 2022, il popolare hub di programmazione <\/span><a href=\"https:\/\/www.theverge.com\/2022\/12\/5\/23493932\/chatgpt-ai-generated-answers-temporarily-banned-stack-overflow-llms-dangers\"><br \/>\n  <span style=\"font-weight: 400;\">Stack Overflow ha vietato la creazione di <\/span><br \/>\n<\/a> <span style=\"font-weight: 400;\">risposte sul suo forum. Hanno citato l&#8217;alto tasso di errore e le imprecisioni associate all&#8217;applicazione. Tuttavia, la tecnologia \u00e8 ancora in fase nascente; inoltre, l&#8217;insoddisfazione per i risultati generati dall&#8217;IA \u00e8 dovuta tanto a una scarsa tempestivit\u00e0 dell&#8217;ingegneria quanto alla tecnologia stessa.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Nonostante le perplessit\u00e0 sulla tecnologia, un <\/span><a href=\"https:\/\/www.mckinsey.com\/featured-insights\/mckinsey-explainers\/what-is-prompt-engineering\"><br \/>\n  <span style=\"font-weight: 400;\">recente di McKinsey<\/span><br \/>\n<\/a><span style=\"font-weight: 400;\">  evidenzia l&#8217;impatto che la prompt engineering sta gi\u00e0 avendo nel mondo della programmazione. La societ\u00e0 di consulenza  <\/span><a href=\"https:\/\/www.mckinsey.com\/capabilities\/quantumblack\/our-insights\/the-state-of-ai-in-2023-generative-ais-breakout-year\"><span style=\"font-weight: 400;\">Lo stato dell&#8217;IA nel 2023: L&#8217;anno di svolta dell&#8217;IA generativa<\/span><\/a><span style=\"font-weight: 400;\">  ha condiviso due tendenze interessanti. In primo luogo, il 7% delle organizzazioni che hanno investito nell&#8217;IA sta assumendo ingegneri tempestivi. In secondo luogo, le aziende che utilizzano l&#8217;IA hanno ridotto i ruoli di ingegneria del software legati all&#8217;IA dal 38% al 28%.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Un modo per interpretare queste tendenze \u00e8 che le aziende si sentono a proprio agio con questa configurazione e sono pronte ad affidare l&#8217;automazione del software alle loro macchine. Sebbene queste cifre possano spaventare gli ingegneri esistenti, l&#8217;indagine McKinsey suggerisce che &#8220;solo l&#8217;8% afferma che le dimensioni della propria forza lavoro diminuiranno di oltre un quinto&#8221;. In generale, gli ingegneri dovranno probabilmente riqualificarsi per sfruttare la tendenza all&#8217;automazione del software generata dall&#8217;intelligenza artificiale.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Un&#8217;ovvia applicazione dell&#8217;automazione software generata dall&#8217;intelligenza artificiale \u00e8 la creazione di bot di automazione. Tuttavia, anche se il prompt engineering \u00e8 un&#8217;interfaccia apparentemente facile da usare grazie al suo focus sulla conversazione, resta da vedere se pu\u00f2 soppiantare le soluzioni esistenti.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Per molti versi, un software come <a href=\"https:\/\/www.zaptest.com\/\">ZAPTEST<\/a> ha gi\u00e0 democratizzato il mercato dell&#8217;automazione del software. Sono disponibili strumenti no-code che consentono ai team non tecnici di creare bot<a href=\"https:\/\/www.zaptest.com\/rpa\"> RPA di alta qualit\u00e0<\/a>. Anche se software come ChatGPT possono costruire bot, l&#8217;implementazione e la manutenzione potrebbero rivelarsi difficili per chiunque non sia un ingegnere informatico e anche per coloro che lo sono.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Registrare le interazioni uomo-macchina dall&#8217;interfaccia grafica e convertire questi movimenti in codice \u00e8 molto pi\u00f9 facile che usare i prompt. Se a ci\u00f2 si aggiunge il potenziale di LLM di produrre codice instabile e pieno di errori, si pu\u00f2 dire che il software RPA non andr\u00e0 da nessuna parte nel prossimo futuro.<\/span><\/p>\n<p>&nbsp;<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"2_Conversione_di_dati_non_strutturati\"><\/span><strong>#2. Conversione di dati non strutturati<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><img decoding=\"async\" class=\"aligncenter wp-image-56614\" src=\"https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/03\/checklist-uat-1024x683.jpeg\" alt=\"checklist uat, strumenti di test delle applicazioni web, automazione e altro ancora\" width=\"572\" height=\"381\"><\/p>\n<p><span style=\"font-weight: 400;\">I dati non strutturati non sono il punto forte <a href=\"https:\/\/www.zaptest.com\/a-complete-guide-to-robotic-process-automation-rpa\">della Robotic Process Automation<\/a>. La tecnologia non \u00e8 stata costruita per gestire cose come e-mail, immagini, audio e altro. Gli strumenti RPA necessitano di modelli di dati predefiniti con strutture organizzate.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Un&#8217;enorme percentuale di dati non strutturati \u00e8 costituita da testi in linguaggio naturale. Vengono costruiti modelli linguistici di grandi dimensioni per &#8220;capire&#8221; queste informazioni ed estrarne il significato semantico. Ci\u00f2 crea una notevole opportunit\u00e0 per i team che desiderano interpretare questi testi e convertirli in un formato accettabile per gli strumenti RPA.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Molti team utilizzano da anni l&#8217;elaborazione del linguaggio naturale (NLP) per l&#8217;analisi del sentiment. Questo processo, noto anche come opinion mining, aiuta le organizzazioni a tenere sotto controllo i sentimenti e gli atteggiamenti dei consumatori nei confronti dei marchi. Nella maggior parte dei casi, questi strumenti vengono utilizzati per rilevare i sentimenti positivi, negativi e neutri all&#8217;interno di un testo. Tuttavia, la tecnologia \u00e8 in grado di rilevare le emozioni in modo molto pi\u00f9 granulare.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Sebbene esistano diversi strumenti sul mercato che offrono questa funzionalit\u00e0, LLM offre un percorso per un utilizzo pi\u00f9 versatile, che va oltre la comprensione di ci\u00f2 che le persone pensano di un prodotto o di un servizio. Ad esempio, negli ultimi anni la popolarit\u00e0 dei dati analitici \u00e8 esplosa. I Big Data offrono alle aziende un vantaggio, consentendo loro di ricavare intuizioni e conoscenze che aiutano a prendere decisioni basate sui dati.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Gli strumenti di automazione robotica dei processi possono aiutare a raccogliere i dati. Tuttavia, come abbiamo detto sopra, hanno difficolt\u00e0 con determinati tipi di informazioni. Tuttavia, se abbinata a strumenti di intelligenza artificiale che utilizzano modelli linguistici di grandi dimensioni, la RPA pu\u00f2 raccogliere grandi quantit\u00e0 di dati e utilizzarli per generare le informazioni necessarie agli strumenti di Business Intelligence (BI).<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Uno degli aspetti pi\u00f9 interessanti dell&#8217;IA generativa \u00e8 la sua capacit\u00e0 di dare un senso agli input di dati. Con la giusta ingegnerizzazione, i team possono trasformare questi dati in un formato adatto agli strumenti RPA.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">La RPA pu\u00f2 contribuire a rendere pi\u00f9 efficienti i flussi di lavoro dei Big Data. Per cominciare, \u00e8 possibile utilizzarlo per contribuire all&#8217;inserimento e all&#8217;estrazione dei dati. Tuttavia, forse i casi d&#8217;uso pi\u00f9 preziosi e intriganti riguardano l&#8217;utilizzo di strumenti RPA per la trasformazione, la pulizia e il caricamento dei dati o per garantire che la migrazione dei dati avvenga in modo rapido, efficiente e accurato.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Un altro punto importante \u00e8 la governance dei dati. L&#8217;automatizzazione delle richieste di dati aiuta le organizzazioni a mantenere la conformit\u00e0 e a tenere i dati lontani dalla vista degli operatori manuali.  <\/span><\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"3_Automazione_dei_test\"><\/span><strong>#3. Automazione dei test<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><img alt=\"Top 30 Most Popular RPA (robotic process automation) Tools &amp; Software\" alt=\"Top 30 Most Popular RPA (robotic process automation) Tools &amp; Software\" decoding=\"async\" class=\"aligncenter size-large wp-image-51170\" src=\"https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/01\/zaptest-1-1024x512.gif\" alt=\"\" width=\"1024\" height=\"512\"><\/p>\n<p><span style=\"font-weight: 400;\">L&#8217;<a href=\"https:\/\/www.zaptest.com\/a-complete-guide-to-software-testing-automation\">automazione dei test<\/a> ha preso piede nei circoli di sviluppo del software perch\u00e9 offre un modo pi\u00f9 rapido di verificare il software. I test e l&#8217;assicurazione della qualit\u00e0 sono tradizionalmente processi costosi e lunghi; l&#8217;automazione dei test fornisce una soluzione a queste due sfide.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Una delle prime cose che il prompt engineering pu\u00f2 fare \u00e8 migliorare la qualit\u00e0 dei casi di test. Con le giuste indicazioni, queste macchine possono analizzare i casi di test e identificare i problemi e i rimedi. Questo processo pu\u00f2 migliorare la portata dei casi di test e portare a test pi\u00f9 completi.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Ad esempio, \u00e8 possibile alimentare il codice di un modello linguistico di grandi dimensioni nello stesso modo in cui si farebbe con un revisore umano. Queste macchine sono in grado di analizzare rapidamente il codice e di individuare errori, bug e persino problemi di prestazioni. Forse ancora pi\u00f9 interessante, gli LLM offrono anche la possibilit\u00e0 di completare il codice dei casi di test partendo da semplici snippet, accelerando la creazione dei casi di test.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">L&#8217;ingegneria tempestiva mira ad affrontare molti dei problemi che hanno portato all&#8217;emergere dell&#8217;approccio <a href=\"https:\/\/www.zaptest.com\/what-is-agile-testing-process-life-cycle-methods-implementation\">Agile\/DevOps<\/a> allo sviluppo del software. Gli ingegneri vogliono test efficienti e facilmente ripetibili, in grado di individuare i problemi prima che le applicazioni vengano distribuite. L&#8217;idea \u00e8 che, liberando tempo, gli sviluppatori di software possano concentrarsi su attivit\u00e0 pi\u00f9 creative e orientate al valore.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Come descritto in un classico documento, <\/span><a href=\"https:\/\/www.researchgate.net\/publication\/254034665_Technical_Debt_in_Test_Automation\"><br \/>\n  <span style=\"font-weight: 400;\">Debito tecnico nell&#8217;automazione dei test<\/span><br \/>\n<\/a><span style=\"font-weight: 400;\">  (K. Wiklund, 2012), i team di sviluppo software possono incorrere in problemi se dedicano troppo tempo al test manuale e alla verifica del loro software. I costi iniziali delle soluzioni di automazione dei test, la mancanza di esperienza nell&#8217;automazione e persino la preferenza per i metodi pi\u00f9 vecchi possono contribuire a questi rallentamenti.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Uno degli aspetti pi\u00f9 interessanti dello sviluppo software Agile riguarda il <\/span><a href=\"https:\/\/scaledagileframework.com\/behavior-driven-development\/\"><br \/>\n  <span style=\"font-weight: 400;\">lo sviluppo guidato dal comportamento (BDD).<\/span><br \/>\n<\/a><span style=\"font-weight: 400;\">  Il concetto si riferisce allo sviluppo di software con i comportamenti attesi dagli utenti. Sebbene l&#8217;implementazione di questo approccio possa chiaramente far risparmiare tempo, molti team faticano a dare vita a questa automazione. Tuttavia, gli LLM possono fornire una soluzione.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Alcuni dei sintomi pi\u00f9 comuni del debito tecnico sono la scarsa documentazione e la mancanza di test robusti. Questi sono problemi che i LLM di oggi possono aiutare a risolvere. Tuttavia, altri sintomi degni di nota, come il refactoring, sono troppo complessi per l&#8217;attuale IA generativa e potrebbero non comportare un risparmio di tempo.<\/span><\/p>\n<p>&nbsp;<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Riflessioni_finali\"><\/span><strong>Riflessioni finali<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><img decoding=\"async\" class=\"aligncenter wp-image-59582\" src=\"https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/05\/img80.png\" alt=\"alpha testing vs beta testing\" width=\"107\" height=\"179\" srcset=\"https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/05\/img80.png 479w, https:\/\/www.zaptest.com\/wp-content\/uploads\/2023\/05\/img80-180x300.png 180w\" sizes=\"(max-width: 107px) 100vw, 107px\" \/><\/p>\n<p><span style=\"font-weight: 400;\">Le applicazioni di IA generativa hanno un potenziale immenso. Tuttavia, l&#8217;interfaccia intuitiva e colloquiale pu\u00f2 trarre in inganno. Molti credono che sia semplice generare risultati di qualit\u00e0 da queste macchine. Tuttavia, un&#8217;eccellente ingegneria dei tempi \u00e8 pi\u00f9 complicata di quanto si possa pensare.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Un&#8217;efficace tecnica di prompt engineering richiede molti tentativi ed errori. Inoltre, \u00e8 necessario che l&#8217;ingegnere sia molto previdente per garantire che le risposte siano utili. Infine, controllare e ricontrollare il lavoro \u00e8 importante a causa del ben noto potenziale di errori.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Sebbene i lavori di ingegneria rapida siano in aumento, non tutti ne sono convinti. Scrivendo sull&#8217;Harvard Business Review, Oguz A. Acar sostiene in maniera affascinante che  <\/span><a href=\"https:\/\/hbr.org\/2023\/06\/ai-prompt-engineering-isnt-the-future\"><span style=\"font-weight: 400;\">&#8220;Le future generazioni di sistemi di intelligenza artificiale diventeranno sempre pi\u00f9 intuitive e abili nel comprendere il linguaggio naturale, riducendo la necessit\u00e0 di suggerimenti meticolosamente studiati&#8221;.<\/span><\/a><\/p>\n<p><span style=\"font-weight: 400;\">Qualunque sia il futuro, l&#8217;IA generativa sar\u00e0 presente nel mix. Sebbene l&#8217;ingegneria rapida sia molto promettente, \u00e8 difficile dire con certezza quale sar\u00e0 il suo ruolo preciso.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">\u00c8 interessante notare che il software di automazione dei test \u00e8 gi\u00e0 ricco di casi d&#8217;uso e di storie di successo che dimostrano la sua idoneit\u00e0 a velocizzare lo sviluppo del software senza compromettere l&#8217;accuratezza o la verifica completa delle applicazioni.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Strumenti come ZAPTEST consentono gi\u00e0 agli sviluppatori di affrontare problemi come l&#8217;inadeguatezza di tempo e risorse, il debito tecnico, la documentazione, i test completi e la RPA. Inoltre, questi strumenti sono pi\u00f9 facili da usare rispetto al prompt engineering, il che li rende molto pi\u00f9 adatti ai team non tecnici. Come sempre, il vero potenziale si trova all&#8217;incrocio di queste interessanti tecnologie di automazione.  <\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>ChatGPT, Bard e altri importanti Large Language Models (LLM) hanno dominato i nostri feed di notizie nell&#8217;ultimo anno. E giustamente. Queste entusiasmanti tecnologie ci offrono uno sguardo al futuro, alla potenza e alle possibilit\u00e0 dell&#8217;IA. Sebbene l&#8217;entusiasmo del pubblico si sia concentrato sulla creazione di testi, immagini e video, questi strumenti possono essere utilizzati per [&hellip;]<\/p>\n","protected":false},"author":14624,"featured_media":68750,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"Ingegneria tempestiva nell'automazione del software - Def. & Processo","_seopress_titles_desc":"Dall'IA generativa e dall'ingegneria dei prompt, scoprite le implementazioni e le applicazioni specifiche della tecnologia nel test del software e nella RPA.","_seopress_robots_index":"","_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","content-type":"","footnotes":"","beyondwords_generate_audio":"","beyondwords_integration_method":"","beyondwords_project_id":"","beyondwords_content_id":"","beyondwords_preview_token":"","beyondwords_player_content":"","beyondwords_player_style":"","beyondwords_language_code":"","beyondwords_language_id":"","beyondwords_title_voice_id":"","beyondwords_body_voice_id":"","beyondwords_summary_voice_id":"","beyondwords_error_message":"","beyondwords_disabled":"","beyondwords_delete_content":"","beyondwords_podcast_id":"","beyondwords_hash":"","publish_post_to_speechkit":"","speechkit_hash":"","speechkit_generate_audio":"","speechkit_project_id":"","speechkit_podcast_id":"","speechkit_error_message":"","speechkit_disabled":"","speechkit_access_key":"","speechkit_error":"","speechkit_info":"","speechkit_response":"","speechkit_retries":"","speechkit_status":"","speechkit_updated_at":"","_speechkit_link":"","_speechkit_text":""},"categories":[474],"tags":[],"class_list":{"0":"post-68729","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-ai-it"},"acf":{"short_name":"Ingegneria tempestiva nell'automazione del software"},"_links":{"self":[{"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/posts\/68729","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/users\/14624"}],"replies":[{"embeddable":true,"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/comments?post=68729"}],"version-history":[{"count":1,"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/posts\/68729\/revisions"}],"predecessor-version":[{"id":68749,"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/posts\/68729\/revisions\/68749"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/media\/68750"}],"wp:attachment":[{"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/media?parent=68729"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/categories?post=68729"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.zaptest.com\/it\/wp-json\/wp\/v2\/tags?post=68729"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}