A Multi-Year Grey Literature Review on AI-assisted Test Automation

本文主要研究了人工智能（AI）在测试自动化（TA）中的应用，旨在解决TA中高昂的测试套件维护成本和需要广泛的编程技能等问题。通过调查灰色文献，本研究总结了AI在TA中所解决的问题、解决方案和可用工具，并通过对100个AI驱动的TA工具的分类和对五位专家软件测试人员的访谈，了解了AI在TA中的现状和未来角色。研究发现，手动测试代码开发和维护是TA中的主要挑战，而自动化测试生成和自我修复测试脚本是最常见的AI解决方案。此外，Applitools、Testim、Functionize、AccelQ和Mabl是实践中最常用的AI驱动TA工具。本文通过灰色文献分析和专家访谈提供了AI对TA的影响的详细概述，提供了TA问题和AI解决方案的新分类，提供了AI驱动工具的目录，并将解决方案与问题以及工具与解决方案联系起来。本研究结果支持从业者选择TA工具，并指导未来的研究方向。

本论文旨在探讨人工智能在测试自动化中的应用，解决测试套件维护成本高和需要大量编程技能等问题。

通过人工智能技术实现自动化测试生成和自愈测试脚本，提高测试效率和降低成本。

论文通过对3600份灰色文献的分析，提出了测试自动化问题和人工智能解决方案的分类，并列举了100个基于人工智能的测试自动化工具。同时，通过对5名专家的访谈，深入探讨了人工智能在测试自动化中的现状和未来发展方向。

近期的相关研究主要集中在人工智能在软件测试中的应用，如基于机器学习的自动化测试用例生成等。