Hoe weet je of jouw team de juiste Test Automation tools en technieken kiest? - Sofius

Hoe weet je of jouw team de juiste Test Automation tools en technieken kiest?

Nieuwe tools, frameworks en technieken volgen elkaar in hoog tempo op. Tegelijkertijd helpt AI ons steeds vaker bij het maken van technische keuzes. Maar hoe weet je of jouw team daadwerkelijk de juiste Test Automation tools en technieken kiest? Het antwoord begint niet bij de tool, maar bij de context.

Stel: je begint morgen met een compleet nieuw testautomatiseringsproject voor een webapplicatie. Welke tool kies je?

Playwright? Selenium? Cypress? WebdriverIO?

De kans is groot dat je direct een voorkeur hebt. Misschien omdat je een bepaalde tool al gebruikt. Omdat iemand in je team er veel ervaring mee heeft. Omdat een consultant hem adviseert. Of simpelweg omdat iedereen het erover heeft.

En tegenwoordig is er nog een adviseur bijgekomen: AI.

Vraag een AI coding agent om een nieuwe end-to-end testoplossing voor een moderne webapplicatie op te zetten en de kans is groot dat deze direct met een voorstel komt. Handig, maar er ontbreekt iets belangrijks: context. AI weet op dat moment misschien nog niets over je team, architectuur, requirements, infrastructuur of het kennisniveau binnen je organisatie. En toch ligt er al een tool op tafel.

Niet: welke tool is het beste?

Daar zit precies de valkuil. We stellen vaak de vraag: welke tool is het beste? Terwijl een veel relevantere vraag is: welke oplossing past het beste bij onze situatie?

Want de beste Test Automation tool bestaat niet. De beste keuze voor jouw context wél.

Die context bestaat uit veel verschillende factoren. Welke technologie gebruikt je organisatie? Welke kennis heeft het team? Wie gaat de geautomatiseerde tests onderhouden? Wat voor product test je? Welke infrastructuur is al aanwezig? Welke browsers en devices moet je ondersteunen? En wat probeer je eigenlijk met Test Automation op te lossen?

Een team van developers dat volledig in TypeScript werkt, heeft bijvoorbeeld een ander vertrekpunt dan een testteam dat voornamelijk Java kent. Een organisatie met een bestaande Selenium Grid en honderden geautomatiseerde tests maakt een andere afweging dan een organisatie die vanaf nul begint. En zodra naast web ook native iOS- en Android-applicaties getest moeten worden, verandert de afweging opnieuw.

Dezelfde tools kunnen dus in de ene situatie uitstekend passen en in de andere situatie minder logisch zijn.

Van populariteit naar onderbouwde keuzes

Dat klinkt vanzelfsprekend, maar wordt steeds belangrijker. Het Test Automation-landschap wordt groter en verandert sneller. Naast bekende tools als Selenium, Cypress, Playwright en Appium ontstaan voortdurend nieuwe technieken, platforms en frameworks.

Daar komen ontwikkelingen rondom AI nog eens bovenop. Denk aan agents, context management en agentic test writing. AI kan niet alleen meer helpen bij het schrijven van een stukje testcode, maar krijgt steeds meer mogelijkheden om zelfstandig testwerkzaamheden voor te bereiden en uit te voeren. Daarmee verandert ook de discussie binnen het vakgebied.

Een paar jaar geleden ging het vooral over Selenium versus Cypress en later over Cypress versus Playwright. Inmiddels ontstaan heel andere vragen. Hoe zetten we AI-agents in voor testing? Hoe zorgen we dat zo’n agent voldoende context heeft? Willen we AI zelfstandig tests laten schrijven? En wat betekent dat voor de rol van de Test Automation Engineer?

Juist doordat het aantal mogelijkheden groeit, wordt het belangrijker om niet automatisch achter de nieuwste of populairste technologie aan te lopen.

Waarom ‘Hold’ niet betekent dat een tool slecht is

Selenium is een mooi voorbeeld van hoe zo’n radar gebruikt moet worden.

Selenium staat binnen de TechRadar op Hold. Dat betekent niet dat Selenium ineens een slechte technologie is. Het is een bewezen technologie, wordt wereldwijd ondersteund, kent een enorm ecosysteem en wordt binnen veel organisaties nog dagelijks succesvol gebruikt.

Voor een bestaande omgeving kan Selenium dan ook nog steeds een prima keuze zijn. Maar begin je vandaag volledig opnieuw, dan zijn er moderne alternatieven die je op zijn minst serieus wilt onderzoeken. Dat is een belangrijk verschil.

Hetzelfde geldt andersom. Dat een tool als Playwright op Adopt staat, betekent niet automatisch dat Playwright voor ieder nieuw project de beste keuze is.

Neem een nieuwe React-webapplicatie, gebouwd door een TypeScript-team dat zelf de tests onderhoudt. De oplossing moet web en API ondersteunen en draaien op Chrome, Edge en Firefox. In zo’n situatie kan Playwright een heel logische kandidaat zijn.

Verander vervolgens de context. Naast React wordt ook React Native gebruikt. De oplossing moet web, native iOS en Android ondersteunen, tests draaien op echte devices en er is al een Appium-infrastructuur aanwezig. Bovendien wil de organisatie bij voorkeur één automation stack.

De beschikbare tools zijn niet veranderd. De context wel. En daarmee verandert ook de afweging.

Drie vragen vóórdat je een tool kiest

Hoe weet je dan of jouw team de juiste keuze maakt?

Niet omdat AI een tool adviseert. Niet omdat iedereen hem gebruikt. Niet omdat een technologie op Adopt staat. En ook niet alleen omdat een consultant zegt dat het een goede oplossing is.

Een goede keuze kun je onderbouwen. Voordat je besluit welke technologie je inzet, zijn daarom drie vragen essentieel:

  1. Welk probleem proberen we op te lossen?
  2. Welke context bepaalt onze keuze?
  3. Welke alternatieven hebben we serieus onderzocht?

De TechRadar kan daarbij waardevolle input geven. Niet door de beslissing voor je te nemen, maar door zichtbaar te maken welke mogelijkheden er zijn, welke ontwikkelingen het onderzoeken waard zijn en welke ervaringen andere Test Automation Engineers ermee hebben.

En misschien wordt dát wel de belangrijkste vaardigheid in een wereld waarin tooling én AI zich steeds sneller ontwikkelen. Niet zo snel mogelijk een antwoord vinden, maar eerst de juiste vragen stellen.

Understand. Assess. Experiment. Decide.

Gebruik technologie om je keuzes beter te onderzoeken, maar besteed de beslissing zelf niet uit. Ook niet aan AI.

 

Test Automation TechRadar: overzicht in een snel veranderend vakgebied

De wereld van Test Automation ontwikkelt zich razendsnel. Om organisaties te helpen overzicht en richting te houden, ontwikkelden deTesters, TestCoders en TechChamps, drie labels binnen Sofius, samen de Test Automation TechRadar.

De radar bundelt de praktijkervaring van meer dan 60 Test Automation Engineers. Tools, technieken, platforms en talen & frameworks worden beoordeeld en ondergebracht in vier ringen:

  • Adopt – technologie waarin veel vertrouwen bestaat en die zich in de praktijk heeft bewezen.
  • Trial – veelbelovend en interessant om in een echte situatie uit te proberen.
  • Assess – de moeite waard om te onderzoeken en te bepalen of deze relevant kan zijn.
  • Hold – technologie waarbij terughoudendheid bij nieuwe inzet verstandig is.

Belangrijk: de TechRadar is geen ranglijst en geen kant-en-klaar keuzeadvies. Adopt betekent niet dat iedere organisatie een technologie moet gebruiken. En Hold betekent niet dat een tool slecht is. De radar laat zien hoe experts vanuit hun praktijkervaring naar technologieën kijken en helpt bepalen welke opties het onderzoeken waard zijn.

De TechRadar is bovendien een levend instrument. Nieuwe ontwikkelingen en praktijkervaringen worden continu onderzocht en verwerkt, zodat de radar meebeweegt met het vakgebied.

Wil je onze TechRadar ontvangen, fysiek of digitaal? Laat het me weten via wim@techchamps.oi

 

Misschien vind je de volgende artikelen ook wel interessant