P – Point (Quan điểm/Điểm chính)
Việc tổng hợp báo cáo kiểm thử trong các dự án Agile thường tốn nhiều thời gian, đặc biệt khi phải đếm test case, bug và tính toán chỉ số thủ công từ file kết quả. Sử dụng Trí tuệ Nhân tạo (AI) giúp tự động hóa hoàn toàn quy trình này: từ việc đọc dữ liệu trong file test result, phân loại task, thống kê test case, bug đến việc sinh bảng báo cáo sprint kèm phân tích chất lượng kiểm thử.
R – Reason (Lý do/Giải thích)
AI đóng vai trò như một “trợ lý QA” thông minh, có khả năng:
- Đọc hiểu file test result, tự động nhận diện task theo tiêu đề.
- Đếm số test case, phân loại Passed/Failed/Blocked.
- Gom và loại trùng Bug ID trong từng task.
- Tính toán các chỉ số quan trọng như % Test Coverage và % Test Case Effectiveness.
- Xuất ra bảng báo cáo định dạng chuẩn cho sprint và kèm phân tích, đánh giá chất lượng kiểm thử.
Thay vì làm thủ công, QA team chỉ cần cung cấp file test result và yêu cầu AI sinh báo cáo. Kết quả vừa nhanh chóng vừa đảm bảo độ chính xác cao.
E – Example (Ví dụ/Minh họa)
1. Chuẩn bị file
File test result sau khi kiểm thử.
2. Prompt sử dụng cho AI
Prompt mẫu:
Bạn là trưởng nhóm QA (Quality Assurance) trong một dự án phát triển phần mềm Agile. Sau khi hoàn tất quá trình kiểm thử tính năng, bạn cần tổng hợp và báo cáo kết quả kiểm thử.
Tài liệu test result trong file đính kèm.
1. Nhiệm vụ:
Tổng hợp và phân tích kết quả kiểm thử cho sheet “name_function” từ tài liệu đính kèm.
2. Rule đọc tài liệu test result:
– Đếm số test case cho từng task dựa trên quy tắc:
+ Xác định các task dựa trên tiêu đề màu xanh.
+ Tất cả dòng bên dưới, cho đến dòng màu xanh tiếp theo, được tính là test case thuộc task đó.
– Đếm số bug cho từng task:
+ Xác định các bug dựa trên cột “Unnamed: cột_x (Staging)” (chứa Bug ID) trong sheet “name_function”.
+ Đảm bảo mỗi Bug ID chỉ được tính một lần duy nhất trong cùng một task.
+ Liệt kê rõ Bug ID nào thuộc task nào.
3. Tổng hợp thành test report theo sprint. Kết quả xuất ra dạng bảng.
Bảng báo cáo cần bao gồm các cột sau cho từng task:
– Tên task
– Tổng số Test Case.
– Kết quả kiểm thử: Passed, Failed, Blocked.
– Tổng số Bug (Bug Count).
– % Test Coverage: Được tính bằng công thức: (Passed (Round 1) / Tổng số Test Case)*100%.
– % Test Case Effectiveness: Được tính bằng công thức: (Failed (Round 1) / (Passed + Failed))*100%.
4. Sau đó phân tích kết quả trên để đánh giá chất lượng kiểm thử
– Dựa vào bảng báo cáo đã tổng hợp, hãy phân tích và đưa ra nhận định về chất lượng kiểm thử cho từng task
– Nêu bật các điểm mạnh và điểm cần cải thiện.
– Đề xuất các hành động cụ thể cho các Sprint tiếp theo.
Trong đó:
- Name_function: Tên file chức năng
- Cột x: Đếm số cột trong file xem Bug ID là cột thứ bao nhiêu
Prompt chạy trên chatGPT :
3. Kết quả đầu ra mẫu
🔎 Phân tích kết quả kiểm thử
1. Task [PH] Admin xem danh sách UGC campaign
- Kết quả: 31 test case, 100% Passed, 1 bug (TOP-1731).
- Đánh giá: Coverage đạt 100%, hiệu quả test case tốt (không có case thất bại). Tuy nhiên, có bug phát sinh chứng tỏ test đã tìm ra lỗi tiềm ẩn trong tính năng.
- Đề xuất: Bug cần được fix và retest trong sprint tiếp theo để đảm bảo tính năng ổn định.
2. Task [PH] Admin cho hiển thị UGC campaign
- Kết quả: 3 test case, tất cả Passed, không có bug.
- Đánh giá: Ổn định, tính năng hoạt động đúng yêu cầu.
- Đề xuất: Có thể giảm effort test regression về sau nếu không phát sinh thay đổi lớn.
3. Task [PH] Admin tắt hiển thị UGC campaign
- Kết quả: 4 test case, tất cả Passed, không có bug.
- Đánh giá: Tính năng hoạt động đúng kỳ vọng, chưa phát hiện bug.
- Đề xuất: Tiếp tục giữ coverage, bổ sung test negative case nếu có thể.
4. Task [PH] Admin xem nội dung form đăng ký của UGC campaign
- Kết quả: 6 test case, tất cả Passed, không có bug.
- Đánh giá: Chất lượng ổn định, nhưng cần theo dõi khi form thay đổi nhiều field.
- Đề xuất: Nên thêm test về performance khi có nhiều bản ghi.
5. Task [PH] Admin tạo UGC campaign
- Kết quả: 89 test case, tất cả Passed, không có bug.
- Đánh giá: Đây là task lớn và quan trọng, số lượng test case nhiều, coverage tốt. Không có bug phát hiện ở vòng 1 là tín hiệu rất tích cực.
- Đề xuất: Nên tiếp tục test exploratory hoặc edge case (ví dụ: dữ liệu boundary, input invalid) để tăng tính hiệu quả phát hiện bug.
6. Task [PH] Admin xem nội dung UGC campaign
- Kết quả: 17 test case, tất cả Passed, không có bug.
- Đánh giá: Đây là task lớn và quan trọng, số lượng test case nhiều, coverage tốt. Không có bug phát hiện ở vòng 1 là tín hiệu rất tích cực.
Đề xuất: Nên tiếp tục test exploratory hoặc edge case (ví dụ: dữ liệu boundary, input invalid) để tăng tính hiệu quả phát hiện bug.
7. Task [PH] Admin sửa UGC campaign
- Kết quả: 89 test case, tất cả Passed, không có bug.
- Đánh giá: Đây là task lớn và quan trọng, số lượng test case nhiều, coverage tốt. Không có bug phát hiện ở vòng 1 là tín hiệu rất tích cực.
Đề xuất: Nên tiếp tục test exploratory hoặc edge case (ví dụ: dữ liệu boundary, input invalid) để tăng tính hiệu quả phát hiện bug.
📌 Tổng quan đánh giá chất lượng
- Điểm mạnh:
- Test coverage cao (100% ở tất cả các task).
- Số lượng test case đầy đủ, đặc biệt task lớn như Admin tạo UGC campaign có coverage rộng.
- Phát hiện bug ở giai đoạn test sớm (TOP-1731), giúp giảm rủi ro lên production.
- Test coverage cao (100% ở tất cả các task).
- Điểm cần cải thiện:
- Một số task chưa phát hiện bug, có thể do test case thiên về happy path → cần bổ sung negative test case, stress test.
- Hiện chưa có test blocked, tuy nhiên cần đánh giá thêm khi có dependency từ module khác.
- Một số task chưa phát hiện bug, có thể do test case thiên về happy path → cần bổ sung negative test case, stress test.
- Đề xuất hành động Sprint tiếp theo:
- Fix và retest bug đã phát hiện (TOP-1731).
- Bổ sung test case cho scenario bất thường (negative case, invalid input, boundary value).
- Kết hợp exploratory testing cho các task quan trọng (ví dụ: tạo UGC campaign).
- Chuẩn bị regression test suite tự động hóa cho các tính năng ổn định.
- Fix và retest bug đã phát hiện (TOP-1731).
P – Point (Nhắc lại quan điểm/Kết luận)
Tận dụng AI để tự động hóa báo cáo kiểm thử từ file test result giúp tester tiết kiệm đáng kể thời gian và công sức.
Dựa vào trải nghiệm thực tế:
- Thực hiện thủ công: trung bình 3h/sprint → 6h/tháng (2 sprint).
- Khi sử dụng AI: chỉ mất 1h/sprint → 2h/tháng (2 sprint).
👉 Như vậy, giảm được 4h/tháng cho team tester (chia làm 3 scrum team) .Tính theo scrum team (mỗi team sẽ 1 người làm).
Nói cách khác, AI giúp đội ngũ QA thoát khỏi những công việc thủ công lặp đi lặp lại, dành nhiều thời gian hơn cho kiểm thử chuyên sâu, phân tích xu hướng bug và cải tiến quy trình. Đây là bước tiến quan trọng để QA team chuyển mình từ “người kiểm tra” sang “người đồng hành chất lượng” trong các dự án Agile.