La qualità del software per la qualità del business

10.00 Benvenuto e Apertura dei lavori
Paolo Morati, Giornalista - Soiel International

10.15 From Logs to Regression Tests using AI: Increase Test Relevance and Speed-up Test Automation (intervento in lingua inglese)
Functional regression testing, such as end-to-end testing of web applications, benefits greatly from good coverage of actual usage in production. Unfortunately, automated tests are written by test automation engineers who don't know what exactly the product usage is. Thus, tests may cover some behavior that is not performed by end-users, and hence may not reveal bugs that would be observed by end-users. 
This presentation will show how AI-assisted log analysis can be used to evaluate and complete usage coverage by tests. The machine learning techniques used are trained from operation logs, extracted from monitoring tools like Splunk, Dynatrace, Elastic or Datadog, and allow a semi-automation of the creation and maintenance of regression tests.
Prof. Bruno Legeard - University of Franche-Comté / Smartesting / French Testing Board
Julien Botella, Gravity Product Manager - Smartesting

10.45 Il Machine learning come tecnologia sanitaria. Attese, benefici e rischi della rivoluzione digitale in Sanità
I servizi Sanitari e le tecnologie per la salute stanno affrontando un profondo cambiamento, in cui la trasformazione digitale è senz'altro uno dei motori principali. Stiamo infatti assistendo ad una modifica importante degli assetti di cura con una riconosciuta centralità del territorio e della necessità di una approccio olistico al bene salute. In questo processo di trasformazione, le tecnologie della Informazione e Comunicazione (ICT) stanno assumendo un ruolo centrale assicurando tra l'altro, la connessione tra i diversi attori del sistema, il monitoraggio remoto del paziente, la raccolta di dati da multipli domini, etc. 
Il risultato atteso è l'avanzamento nella capacità diagnostica, terapeutica e previsionale. Applicazioni di telemedicina, consentono ad esempio funzioni di monitoraggio, diagnostica e terapia e riabilitazione a domicilio, ma anche la connessione con centri specialistici per teleconsulto, mentre le potenzialità del data analytics, applicato alla grande varietà di dati sempre più disponibili, possono sviluppare modelli predittivi a beneficio del singolo (modelli di rischio personalizzati) e della organizzazione sanitaria (preparazione del sistema alle minacce in arrivo). Approcci di machine learning e deep learning stanno proponendo importanti risultati su tutta la filiera della produzione di salute. L'intelligenza artificiale si è infatti dimostrata utile nella diagnostica per immagini, così come la moderna chirurgia fa già ampio uso di sistemi robotici e di pianificazione dell'intervento. L'elenco potrebbe altresì continuare con altre sfaccettature dell'applicazione di algoritmi di Intelligenza Artificiale al mondo dei servizi sanitari e del benessere della persona. Tuttavia, queste grandi potenzialità devono tener conto di aspetti potenzialmente critici per una facile e positiva implementazione. La nuova normativa europea (Maggio 2021) sui Dispositivi Medici richiede infatti un dossier corposo di prove di efficacia e sicurezza, mentre la normativa sulla privacy impone una progettazione attenta con garanzie e tutele a protezione del dato. L'acquisto e introduzione della tecnologia deve inoltre sottostare a processi decisionali informati basati su analisi multidimensionali del valore espresso dalla tecnologia in esame e del suo impatto sul sistema. Serve quindi un approccio by design, che consideri cioè, fin dalle prime fasi di progettazione i diversi domini di valutazione dei Dispositivi Medici: efficacia, sicurezza, costi, etica, normative e leggi, accettazione sociale, deontologia, professionalità, etc.
Prof. Giandomenico Nollo, Professore Associato di Bioingegneria dell'Università di Trento e Vice Presidente Vicario della Società Italiana di Health Technology Assessment (SIHTA)

11.15 Norme in materia di qualità del software e intelligenza artificiale
L'intelligenza artificiale consiste in una famiglia di tecnologie in rapida evoluzione che può contribuire al conseguimento di un'ampia gamma di benefici a livello economico e sociale nell'intero spettro delle attività industriali e sociali. L'uso dell'intelligenza artificiale, garantendo un miglioramento delle previsioni, l'ottimizzazione delle operazioni e dell'assegnazione delle risorse e la personalizzazione delle soluzioni digitali disponibili per i singoli e le organizzazioni, può fornire vantaggi competitivi fondamentali alle imprese e condurre a risultati vantaggiosi sul piano sociale ed ambientale, ad esempio in materia di assistenza sanitaria, agricoltura, istruzione e formazione, gestione delle infrastrutture, energia, trasporti e logistica, servizi pubblici, sicurezza, giustizia, efficienza dal punto di vista energetico e delle risorse, mitigazione dei cambiamenti climatici e adattamento ad essi. 
Nel corso dell'intervento saranno prese in considerazione sia le disposizioni della proposta di regolamento europeo in materia di intelligenza artificiale, che contiene i criteri da applicare ai requisiti obbligatori comuni alla progettazione e allo sviluppo dei sistemi di IA prima della loro immissione sul mercato, ed altresì i criteri per la disciplina successiva all'immissione sul mercato dei sistemi di IA, armonizzando le modalità secondo cui sono eseguiti i controlli ex post, sia alcuni dei principali controlli previsti dagli standard ISO in materia di sicurezza delle informazioni.
Avv. Giuseppe Serafini, Avvocato Cassazionista - Foro di Perugia

11.45 La nuova certificazione AI Testing di ISTQB®
Come riporta il World Quality Report 2021-22 "L'intelligenza artificiale nel testing si è trasformata da una vista nel futuro a qualcosa a cui stiamo attualmente assistendo nella pratica, viene gradualmente iniettata nel processo di QA. Ad esempio, sta cambiando il modo in cui vengono create le routine di automazione dei test e quindi il modo in cui i test nel loro insieme si stanno trasformando". ISTQB®, riferimento internazionale per quanto riguarda la certificazione delle competenze in ambito software testing, è intervenuta prontamente per rispondere a questo trend, con l'introduzione della certificazione dei professionisti che operano sul testing in ambito AI, che si colloca nel percorso Specialist dell'offerta ISTQB. 
L'intervento approfondisce l'introduzione della nuova certificazione anche in Italia, dove la certificazione in ambito software testing continua ad avere un seguito molto importante e in crescita, sia da parte dei professionisti che delle aziende alla ricerca di miglioramenti della qualità del software.
Gualtiero Bazzana, Presidente - ITA-STQB

12.15 AI and Software Testing: Growing the next generation of testers (intervento in lingua inglese)
The talk will touch upon both aspects of the "AI & Testing" knowledge domain - testing AI systems and applying AI to test traditional systems. As this interdisciplinary area gains traction in the industry, it becomes more evident that present-day software testing specialists need to keep up with the trend and obtain deep technical skills in both of its aspects. The need for such talent on the IT market becomes even more pronounced as AI and other emerging technologies are implemented as part of bigger hybrid systems. What skills are crucial for assessing the quality of complex intelligent systems? How can one obtain the necessary skills? Can software testing certifications (e.g. the new CT-AI certification by ISTQB) be an answer? In this talk, we'll try to tackle these questions and discuss a possible way to build a learning & development strategy for next-gen software testers.
Elena Treshcheva, Program Manager - Exactpro

12.45 Q&A

13.00 Chiusura dei lavori