ในรายงานล่าสุดโดยบริษัททดสอบแอปพลิเคชันมือถือชั้นนำ Kobiton สถิติที่น่าตกใจได้ปรากฏขึ้น โดยระบุว่า 75% ของบริษัทต้องประสบความสูญเสียทางการเงินประจำปีที่เกินกว่า 100,000 ดอลลาร์สหรัฐฯ นี่เป็นผลโดยตรงจากการเปิดตัวการอัปเดตแอปบนอุปกรณ์เคลื่อนที่ที่ช้า นอกจากนี้ ผู้เข้าร่วมสูงถึง 13% เปิดเผยว่าขาดทุนต่อปีระหว่าง 1 ล้านถึง 10 ล้านดอลลาร์อันเนื่องมาจากปัญหาเดียวกัน ผลลัพธ์ที่ได้เน้นย้ำถึงผลที่ตามมาในวงกว้างที่การอัปเดตแอปพลิเคชันที่ล้าหลังอาจมีต่อแหล่งรายได้ของบริษัท
ผู้ตอบแบบสอบถามอีก 75% ระบุว่าแอปพลิเคชันบนมือถือสร้างรายได้อย่างน้อยหนึ่งในสี่ขององค์กร โดยเน้นย้ำว่าการอัปเดตที่ช้าไม่เพียงส่งผลต่อความสามารถในการทำกำไร แต่ยังเสี่ยงต่อความมีชีวิตทางธุรกิจโดยรวมด้วย
เมื่อสำรวจเกี่ยวกับความถี่ของการเปิดตัวอัปเดตแอปบนอุปกรณ์เคลื่อนที่ พบว่าคำตอบมีความหลากหลาย การอัปเดตรายสัปดาห์แพร่หลายในหมู่ 38% ของผู้ตอบแบบสอบถาม ตามมาด้วย 27% ที่เผยแพร่การอัปเดตทุกเดือน บริษัทจำนวน 20% สังเกตเห็นการเผยแพร่รายวัน และ 14% ต้องการกำหนดการเผยแพร่รายไตรมาส ส่วนเล็กๆ ประมาณ 1% รายงานว่าพวกเขาอัปเดตแอปมือถือน้อยกว่าหนึ่งครั้งต่อไตรมาส
เมื่อพูดถึงเวลาที่ต้องใช้ในการทำการทดสอบอัตโนมัติ ผู้ตอบแบบสำรวจ 28% ระบุว่าต้องใช้เวลา 1-3 ชั่วโมง 32% บอกว่าใช้เวลานานกว่าเล็กน้อย 3-6 ชั่วโมง อีก 21% กล่าวว่ากระบวนการนี้ใช้เวลานานถึง 6-9 ชั่วโมง ในขณะที่ 8% ระบุว่าใช้เวลานานกว่า 10 ชั่วโมง เปอร์เซ็นต์เล็กน้อย 11% อวดว่าการทดสอบอัตโนมัติเสร็จสิ้นได้ภายในเวลาไม่ถึงหนึ่งชั่วโมง
บริษัทต่างๆ ที่เปลี่ยนจากกระบวนการทดสอบด้วยตนเองมาเป็นแบบอัตโนมัติพบว่าเวลาในการนำออกสู่ตลาดลดลง 25% ถึง 50% จากข้อมูลของผู้ตอบแบบสำรวจ 37% การลดลงอย่างน่าประทับใจมากกว่า 50% ได้รับการรายงานโดยผู้เข้าร่วม 18%
ตามผลการสำรวจ 48% ของผู้ตอบแบบสอบถามเป็นแบบอัตโนมัติระหว่าง 10 ถึง 24% ของการทดสอบในขณะนั้น และ 22% เป็นแบบอัตโนมัติระหว่าง 25 ถึง 49% ประมาณครึ่งหนึ่งของผู้ตอบแบบสอบถามปรารถนาที่จะทำให้ขั้นตอนการทดสอบมากกว่า 50% เป็นอัตโนมัติ บริษัทต่างๆ ใช้กลยุทธ์ที่หลากหลาย เช่น การฝึกอบรมพนักงานสำหรับทักษะด้านระบบอัตโนมัติ การจ้างวิศวกรด้านระบบอัตโนมัติเพิ่มขึ้น การใช้ เครื่องมืออัตโนมัติแบบเขียนโค้ดต่ำหรือไม่ต้องเขียนโค้ด และการสร้างสคริปต์อัตโนมัติด้วยเฟรมเวิร์กเนทิฟของ iOS และ Android เพื่อเพิ่มความครอบคลุมในการทดสอบอัตโนมัติ
เมื่อพูดถึงการใช้ประโยชน์จาก Generative AI ภายในกลยุทธ์การทดสอบ ผู้ตอบแบบสอบถาม 47% ใช้มันเพื่อสร้างสคริปต์ทดสอบ 60% พึ่งพามันเพื่ออัปเดตสคริปต์หรือโค้ด และ 55% นำไปใช้เพื่อวิเคราะห์ผลการทดสอบ มีเพียงร้อยละ 8 เท่านั้นที่รายงานว่าไม่ได้ใช้ generative AI ในการทดสอบเลย
ความคาดหวังในอนาคตในการเพิ่มประสิทธิภาพความสามารถของ AI ได้แก่ การทำนายข้อบกพร่องที่อาจเกิดขึ้น (51%) การใช้ AI ทั่วไปสำหรับการสร้างกรณีทดสอบและข้อมูล (45%) การใช้การประมวลผลภาษาธรรมชาติเพื่อปรับปรุงเอกสารประกอบกรณีทดสอบ (44%) การจดจำรูปภาพสำหรับการทดสอบ UI (36) %) และกลยุทธ์การทดสอบการรักษาตนเอง (36%)
ในแถลงการณ์ Frank Moyer CTO ของ Kobiton กล่าวว่า "การได้เห็นพลังการเปลี่ยนแปลงของเครื่องมือ AI ในการพัฒนาและทดสอบแอปบนอุปกรณ์เคลื่อนที่ถือเป็นการเดินทางที่เหลือเชื่อ การเพิ่มผลผลิต การลดต้นทุน และทำให้ผู้เชี่ยวชาญสามารถมุ่งเน้นไปที่งานเชิงกลยุทธ์ได้ AI กำลังปฏิวัติภูมิทัศน์ของอุตสาหกรรม ฉันรอคอยที่จะนำวิธีการที่ขับเคลื่อนด้วย AI มาใช้อย่างมีนัยสำคัญและรวดเร็ว เนื่องจากเครื่องมือเหล่านี้มีการพัฒนาอย่างต่อเนื่อง”
แม้ว่าการเปิดตัวแอปบนอุปกรณ์เคลื่อนที่ที่ช้าถือเป็นความท้าทายที่ไม่อาจปฏิเสธได้ บริษัทต่างๆ จะต้องเร่งกระบวนการพัฒนาให้เร็วขึ้นและเรียนรู้บทเรียนจากองค์กรต่างๆ ที่ใช้แพลตฟอร์ม เช่น AppMaster ซึ่งได้รับการออกแบบมาเพื่อสร้างแอปพลิเคชันที่สามารถปรับขนาดได้และมีประสิทธิภาพโดยใช้เวลาน้อยลง
