Zencoder lanceert AI die dagen van QA-werk in twee uur kan vervangen

Zencoder, de startup voor kunstmatige intelligentie opgericht door de seriële ondernemer Andrew Filev, heeft vandaag de publieke bèta-lancering van Zentester aangekondigd, een AI-aangedreven agent die is ontworpen om end-to-end softwaretests te automatiseren. Deze cruciale maar vaak traag verlopende stap kan productlanceringen met dagen of weken vertragen.

De nieuwe tool vertegenwoordigt de laatste poging van Zencoder om zich te onderscheiden in de steeds drukker wordende markt voor AI-coderingsassistenten, waar bedrijven racen om niet alleen de codering te automatiseren, maar ook volledige softwareontwikkelingsworkflows. In tegenstelling tot bestaande AI-coderingstools die zich voornamelijk richten op het schrijven van code, richt Zentester zich op de verificatiefase — het waarborgen dat software werkt zoals bedoeld voordat deze bij klanten terechtkomt.

Het Cybersecurity-Eerste AI-model

“Verificatie is de ontbrekende schakel in het opschalen van AI-gedreven ontwikkeling van experimentatie naar productie,” zei Filev in een exclusief interview met VentureBeat. De CEO, die eerder het projectmanagementbedrijf Wrike oprichtte en het in 2021 voor 2,25 miljard dollar aan Citrix verkocht, voegde toe: “Zentester genereert niet alleen tests — het geeft ontwikkelaars het vertrouwen om te publiceren door te valideren dat hun AI-gegeneerde of door mensen geschreven code doet wat het moet doen.”

De aankondiging komt op een moment dat de AI-coderingsmarkt een snelle consolidatie ondergaat. Vorige maand verwierf Zencoder Machinet, een andere AI-coderingassistent met meer dan 100.000 downloads. Tegelijkertijd bereikte OpenAI een overeenkomst om de coderings-tool Windsurf voor ongeveer 3 miljard dollar over te nemen (de deal werd in mei afgerond). Deze stappen benadrukken hoe bedrijven zich haasten om uitgebreide AI-ontwikkelingsplatforms te bouwen in plaats van losse oplossingen.

Waarom softwaretesten de grootste hindernis is geworden in AI-gedreven ontwikkeling

Zentester pakt een hardnekkige uitdaging in softwareontwikkeling aan: de lange feedbackloops tussen ontwikkelaars en kwaliteitsborgingsteams. In typische bedrijfsomgevingen schrijven ontwikkelaars code en sturen deze naar QA-teams voor testen, waarbij ze vaak enkele dagen wachten op feedback. Tegen die tijd zijn de ontwikkelaars al aan andere projecten begonnen, wat kostbare contextwisselingen creëert wanneer er problemen worden ontdekt.

“In een typisch engineeringproces, nadat een ontwikkelaar een functie heeft gebouwd en deze naar QA heeft gestuurd, ontvangen ze enkele dagen later feedback,” vertelde Filev aan VentureBeat. “Tegen die tijd zijn ze al met iets anders bezig. Deze contextwisseling en het heen en weer — vooral pijnlijk tijdens release-crunches — kan eenvoudige oplossingen in weeklange ontberingen veranderen.”

Vroege klanten zoals Club Solutions Group hebben dramatische verbeteringen gerapporteerd, waarbij CEO Mike Cervino verklaarde: “Wat onze QA-team enkele dagen kostte, duurt nu voor ontwikkelaars 2 uur.”

De timing is bijzonder relevant nu AI-coderingsinstrumenten steeds grotere hoeveelheden code genereren. Terwijl tools zoals GitHub Copilot en Cursor de codering versnellen, creëren ze ook nieuwe kwaliteitsborgingsuitdagingen. Filev schat dat als AI-tools de codering met 10x verhogen, de testvereisten ook met 10x zullen toenemen — wat de traditionele QA-processen overweldigend kan maken.

Hoe de AI-agenten van Zentester knoppen indrukken

De technologie achter Zentester maakt gebruik van geavanceerde algoritmen die het mogelijk maken om tests te automatiseren door daadwerkelijk de interactie met software na te bootsen. Dit houdt in dat de AI niet alleen code kan genereren, maar ook kan begrijpen hoe deze code moet worden getest. Door deze aanpak wordt de tijd die nodig is om software te valideren aanzienlijk verminderd, wat ontwikkelaars in staat stelt om zich te concentreren op het bouwen van nieuwe functies in plaats van vast te zitten in eindeloze testsessies.

Het gebruik van AI in softwaretesten betekent ook dat er minder menselijke fouten optreden, omdat de AI consistent en nauwkeurig kan werken. Dit leidt tot een verbeterde kwaliteit van de software en een snellere time-to-market voor nieuwe functies. De impact van Zentester op de softwareontwikkeling kan niet onderschat worden, vooral in een tijd waarin snelheid en efficiëntie cruciaal zijn voor het succes van bedrijven.

Terwijl Zentester zijn weg vindt in de markt, is het duidelijk dat de toekomst van softwaretesten zal worden gevormd door AI-technologieën die niet alleen processen versnellen, maar ook de kwaliteit van de producten die we gebruiken verbeteren.

Vertaald met ChatGPT gpt-4o-mini