您知道吗？您手机里已装有一个可识别语音的软件，并允许操作系统和人进行对话。一些消费者已经采用了会话商务，这是一种趋势。在企业对企业和企业对客户的环境中，会话商务为开发客户服务和客户体验提供了全新的机会。 目前，人机交流的发展在很大程度上由消费者驱动 会话商务基本上是人和机器间的语言交流。目前，消费者已经在使用这样的产品，例如亚马逊的 Alexa Voice Service，它可以通过 Echo 扬声器回答向其提出的问题。您可以让 Alexa 播放音乐，询问它关于新闻、体育比赛结果或天气预报的信息。 2018 年 1 月于拉斯维加斯举行的消费电子展 CES 上，您可以看到数百款家用智能联网扬声器。2017 年第三季度，亚马逊智能扬声器的出货量同比增长了 498%。2017 年共售出 500 万台。目前该领域的发展在很大程度上由消费者驱动，同时会话商务和手势识别也开始应用在汽车行业中。 系统级会话商务达到什么水平？ 从广义上讲，会话商务就是我们如何使系统适应人的行为和做事方式。通常，它基于机器学习，机器学习从识别声音、运动和形状开始。通过机器学习，用户界面向支持自然的人类行为的方向发展；在未来，我们不会像现在这样频繁地使用手机和平板电脑。此外，由设备构成的实体和它们的管理系统日益智能，同时它们的使用也日益简单和直观。 值得注意的一点是，该系统必须能够区分声音和语音。通过语音识别，机器能知道正在发生什么，例如在家中，它能否根据声音判断冰箱门被打开、水管损坏或出现了窃贼。原则是：“让耳朵听到眼睛看不见的东西。”上述应用程序不需对话，但是机器必须能够建立合理的因果关系。 理解互动和创建理性对话是挑战 会话的建模也是一个重要因素。当人与会话应用程序交谈时，实际上是与它背后的系统交谈，他对会话的推进有一定的先入为主观念。这要求 UI 设计者构建一个对话框，让人能感觉到这个对话框有意义并且符合他的期望。在某些交流情况下，言语交流的可能非常有限：如果我们要求打开外门，我们不期望系统用许多词语回答我们。 理解并告诉用户系统在对话中的角色，这一点至关重要。同样重要的是让系统明白，用户需要从系统中得到什么。如果没有这种相互理解和背景知识，对话就无法成功。 背景噪音也在传递信息 通常，不仅仅是用户和系统之间的信息交换。系统还可以根据对话背景中的噪音来理解是否应该让对话继续进行下去，或者通过聊天机器人进行。对话地点不必苛求，可以是满载乘客的公共汽车或火车；影响同行者的游客对话情境，或危及公司信息安全的对话情境。 目前，我们正处于规划人机对话的早期阶段，成功的解决方案需要合理的对话规划。同样重要的是，要明白这是补充的渠道，而不是用来替代的渠道。但在不久的将来，人与系统的对话将在消费环境和商业世界中开辟出引人关注的新天地。 会话商务需要设计和人工智能 如前所述，成功的会话商务需要以用户为中心的同理心情境设计，以便检测会话背后的行为、意图、语调和目的。人类觉得顺理成章的东西对计算机系统来说并不那么容易。成功的会话商务解决方案还需要丰富的全栈技术，以实现语音到文本的转换、会话设计、音调和音频分析，以及复杂的企业信息汇总编排。这就是 Symbio 使用 IBM 会话服务并与 IBM 合作的原因。IBM 会话服务可以让 Symbio 专注于最终用户和会话。

2018 年 QA 领域会发生什么变化? 软件开发中总有各种新的机遇和挑战来来去去。区块链、物联网、人工智能和机器学习等现有技术的使用和采用还将继续，我也相信，未来还会有新的技术出现。“质量保证”(QA) 是任何开发（软件、嵌入式、汽车、可穿戴设备等）的重要组成部分，这意味着 QA 必须适应新的技术和趋势。 即使是简单的解决方案也可能非常复杂，可能使用到云、应用程序、第三方关系、敏感数据、区块链等。复杂性日益增加，一切转向软件，法规（例如 GDPR）不断变化，即使预算和资源较少，我们依然必须以更快的速度和更好的质量完成交付。 在这个数字化转型的时代，QA 也必须转型。目前，质量保证面临的最大挑战之一，是如何适应敏捷需求。为满足敏捷和 DevOps 开发模型对测试日益增长的需求，我相信学习和智能测试自动化将是 QA 领域中的重中之重。   Symbio 质量保证和测试 基于上述所有原因，我们在 Symbio 更新了质量保证和测试服务。若想了解更多，请与我们联系！ 我们已经将智能、认知和预测自动化确定为测试自动化的未来技术。因此，我们利用新技术，并将机器学习与人工智能结合到我们的智能测试自动化解决方案中，用于本地化测试。   智能本地化质量保证 (LQA) 通常，本地化测试仅被认为是测试翻译是否正确或者翻译是否破坏了布局。在现实中，本地化的质量保证的工作要多得多。 构成本地化 QA 的主要流程是国际化、本地化、全球化、语言、功能和（正常）质量保证活动。本地化测试领域包括数十个类别，例如：翻译不正确、前后不一致、语义不完整、拼写错误和无效字符。 让我们考虑这样一个场景：我们收集了所有可能的不同错误类别，并且也配置了一组适用的机器学习和人工智能工具来处理所有这些错误类别。这样的结合就是 Symbio 的智能 LQA 解决方案。对于任何给定的类别，LQA 解决方案都会将接受测试的翻译和本地化分为三组： 无错误 可疑案例——不确定是否有错误 有一些错误 因此，简而言之，我们可以反向思考：算法并不是真正地查找错误，而是查找没有错误的字符串和翻译。其余的都是可疑的——可能没问题，也可能有错误。在某些类别中，算法也可以发现某些错误。逻辑是测试人员只需在可疑案例中进行检查的项目。   Symbio 智能 LQA 的优势: 使用分阶段测试方法和国际化的自动化框架，减少总体测试工作量 在实施测试前先测试设计，以此提高产品质量，从而在周期的早期识别出关键缺陷。 尽早识别缺陷并消除对熟练资源的依赖，降低测试成本 促使组织更快部署新语言，缩短上市时间  

长久以来，机器人自动化一直是制造业的关键推动因素，但关于办公室自动化的所有讨论又有何结论呢？它只是创建宏和修补遗留问题的新方法？还是真正的规则改变者——未来数字化领域的核心组成部分？ 我曾担任企业 IT 部门顾问和 IT 管理团队成员，收获了相对较长的经验。您通常无法满足每个用户的需求。有时这不是一个大问题——也许您已经研究出解决方案，可以从根本上满足这些需求,大家都从此过上幸福的生活。 然而更常见的情况是，这些需求得不到解决。在您的 ERP、CRM、SCM 或其他具有三个字母缩写的系统就位，且各类工作流程解决方案和规则引擎均已完成设置之后，仍然会有部分业务要求无法得到满足。这就是 IT 需求的长尾问题。类似需求可能很多——甚至可能占到总数的三分之一。只是这些需求单独的价值太低并且太分散，难以一一解决。 用户不得不自行解决。通常用户还需要进行长时间的手动复制、粘贴操作和无休止的重复动作。或者是一种变通的方法——可能是编辑复杂的电子表格或桌面数据库宏。无论如何，这些都不是理想的解决方式。用户不想一开始就在变通的方案上浪费时间——何况现在还需要进行维护。IT 部门也不满意——他们利用一个无形的解决方案解决了这个问题，而下一次升级，这个解决方案又可能遭到破坏。 那么使用机器人流程自动化（RPA）会如何呢？它是只需要屏幕抓取和宏指令，同时提供 OCR，开启机器视觉？或者全新的文书自动化程序，可为企业家、员工和客户创造巨大的价值？或许还可以远远超越 IT 需求的长尾，甚至创造出数字化颠覆？ 我们先看看第一段的类比，并简要谈谈工业机器人。机器学习功能已经应用于增强工业机器人——例如减少设置时间和提高灵活性。因此，这并非全新办法，但是其规模已不同于往日。行业正在开发物理机器，使其能够学习相对复杂的任务并随着时间的推移自行改进。 这一点很重要：工业机器人的安装项目需要投入的成本可能是机器人本身的三倍。如果您的制造流程发生变化或者您想要推出新产品，怎么办？重新配置机器人所需的时间会导致生产中的时间损失或产品发布延迟。如果其中一台机器人突然罢工，整条生产线可能会停滞。类似的问题显然也会出现在办公室的机器人自动化场景——最好精心设计，避免给自己留下更多隐患。 说个有趣的旁话，我们的 Symbio 团队拥有将物理和基于软件的机器人技术相结合的经验。除了软件工程和产品开发，我们在质量保证方面也拥有相当可观的业务。我们内部有很多技术娴熟的工程师，我们可径直启动自动化。 因此，我们开发了一个基于模型的测试自动化框架，该框架具有一定的机器视觉功能，并将其与芬兰公司 Optofidelity 的物理机器人集成。人们可以使用各种外形的触摸屏并自动生成测试脚本。可以添加一些可靠的报告和分析，其成效显而易见。也可以将不同构建块进行智能组合，由此创造价值。 那么，如果将 RPA 功能与一些业务流程、规则引擎和更高级的机器学习功能相结合，会产生什么样的效果？再加上聊天 AI 平台或数字助理，也许会让您大放异彩。如果您是 RPA 流派，也许您会称之为 RPA 2.0 或数字再增加一点。如果您的产品更倾向于人工智能，那么您可能会谈论到认知或智能自动化。 当然，企业软件也越来越好。企业软件不仅越来越容易设置和重新配置，企业套件供应商还在其产品中嵌入了各种认知功能，从而可帮助自动执行日常任务，并通过大量现有数据获得见解，为用户提供支持，或者只是帮助临时用户弄清楚如何使用解决方案或业务流程的目标是什么。 一个典型的企业更有可能拥有多个智能解决方案，让员工和客户的每一天都更轻松。有的解决方案可能属于通用工具箱，而有的可能专注于特定任务，如客户支持。然而，进一步解决方案则存在于员工使用的特定软件解决方案的范围内——或者提供给客户的特定产品。 无论最终决定选取哪个术语来描述它，构建块均已可用。第一个真实世界的应用程序业已存在。其中一些不仅解决了长尾问题，而且实际上正在创建新的数字商业模式并改变商业规则。优质的客户体验与前所未有的可扩展性在后端相结合。不难预测，它必然会带来深远影响。 请谈谈您的想法——智能自动化需要多长时间才能变得成熟和普及？它能否为我们所有人创造更多有趣的工作场所？未来会遇到哪些困难？我们应该如何利用这些技术，减轻对环境的负担？