使用AI现状和问题

一：使用AI比较效率高、适用性比较高的测试领域如下：
（1）适用AI创建单元测试框架及代码，提高单元测试覆盖率和隐藏的BUG。
（2）适用于新项目开发及测试用例的编写，业务场景及逻辑没那么复杂的
（3）用AI扫描分析开发代码，定位漏洞
（4）AI生成接口自动化代码

二：不同项目使用AI现状和结果：
（1）BI数据报表：

a、根据需求文档.md、技术文档.md、血缘图.md生成的测试用例内容很详细和全面（包含数据清洗、聚合、一致性、质量监控、性能），对业务逻辑清洗覆盖的测试用例会理解不到位（这部分需人工优化）
b、根据需求文档.md、技术文档.md、血缘图.md、开发代码生成的对数脚本代码太多了，逻辑很复杂（大而全），实用度不高，最后还是自己写的脚本验证数据
c、扫描开发代码直接给出漏洞不明确

(2) 风控项目：
a、将风控模块需求拆分，单个功能点文字逻辑描述清晰，生成用例可用度高，但需求中流程图等画图逻辑部分，生成的用例可用度低

(3)FICC策略开发项目：

a、用例可用度低，原因是：策略部分的实现逻辑需求中不体现，数据处理的逻辑无法描述清楚，可能需要技术设计文档，或者根据代码让AI总结分析实现逻辑，然后再人工核查

b、bug定位可用度高

c、分析代码改动范围高

(4) 接口自动化项目

明确给到指令后能按读懂之前的框架并生成新项目代码，能在一条指令一次性完成接口自动化框架的搭建；