Datadog cria testes sozinha e para de depender de script que quebra

Datadog entrou em prévia técnica com dois recursos do pacote Digital Experience Monitoring. Eles se chamam Journey Monitoring e Bits Testing. O anúncio saiu em 24 de setembro.

No entanto, o acesso ficou restrito a clientes corporativos. Além disso, exige os módulos de monitoramento de usuários reais, verificações sintéticas e análise de produto.

O problema atacado aparece em quase toda empresa. Além disso, times de marketing acompanham queda de conversão, enquanto engenheiros olham falha de infraestrutura, cada grupo em seu painel.

Journey Monitoring junta conversão e SLO no mesmo console

A proposta é simples de entender. A ferramenta mapeia a atividade real do usuário ao lado dos objetivos de nível de serviço.

Ou seja, início de jornada, tempo de conclusão e taxa de abandono aparecem junto da disponibilidade do RUM e do tempo de atividade sintético.

Quando uma transação falha, o mapa mostra o alcance do estrago. A lém disso, a plataforma desenha os caminhos anteriores e seguintes, ilustrando como uma falha de autenticação se espalha até a finalização de compra e a gestão de contas.

Contudo, os limites violados ganham destaque visual. Marcadores com código de cor apontam cada SLO estourado no mapa de experiência.

O detalhamento desce até o caso específico. Com um SLO de disponibilidade violado em um formulário de compra, o time abre a Reprodução de Sessão ou o Session Explorer sem sair do registro da jornada.

Há ainda uma função de descoberta. Além disso, o sistema avalia o tráfego de produção continuamente e identifica caminhos emergentes, permitindo registrar fluxos novos antes de chegar reclamação no suporte.

Datadog: Bits Testing gera a suíte a partir de uma URL

Aqui a proposta fica mais ousada. O engenheiro fornece um endereço web ou instruções em linguagem natural.

Depois disso, um agente percorre a aplicação, mapeia rotas transacionais viáveis e produz coleções de testes executáveis. A cobertura inclui interações de navegador, chamadas de rede e APIs.

No entanto, o motivo dessa abordagem é conhecido. Teste sintético com script quebra sempre que alguém muda o layout ou insere elementos não determinísticos.

A combinação entre determinístico e orientado a objetivo

O desenho mistura duas estratégias. Rotinas determinísticas validam sequências rígidas.

Nessa categoria entram endpoints de pagamento, contratos de autenticação e lógica fixa de checkout. Afinal, esses fluxos precisam de verificação exata.

As rotinas orientadas a objetivo funcionam de outro jeito. Elas guardam a meta em linguagem natural, no lugar da sequência estática de cliques.

Durante a execução, o agente decide o caminho. Os exemplos citados incluem concluir uma reserva de voo de ida e volta ou obter resposta de um assistente conversacional.

Se um botão mudar de lugar, o agente adapta a rota. Da mesma forma, um mecanismo de recomendação com componentes variáveis deixa de travar o teste.

O que a Datadog diz sobre a estratégia

Yanbing Li, diretora de produtos da empresa, resumiu a visão. Segundo ela, a IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → deve estar presente em infraestrutura, segurança e agora na jornada do usuário.

Li descreve os dois recursos como frentes complementares. Um testa continuamente as jornadas, enquanto o outro descobre e observa os caminhos mais críticos do cliente.

O que avaliar antes de colocar isso no seu fluxo

Primeiro, pense no ambiente de execução. Um agente que navega pela aplicação precisa de dados de teste realistas e isolamento adequado.

Segundo, defina onde cada abordagem entra. Fluxo de pagamento pede verificação determinística, e jornada exploratória aceita objetivo em linguagem natural.

Terceiro, trate o falso positivo com atenção. Teste adaptativo levanta muitos achados, e triagem ruim cansa o time rapidamente.

Além disso, revise o custo de execução. Agente que explora consome bem mais que script simples rodando em intervalo fixo.

Por fim, mantenha revisão humana sobre a suíte gerada. Um teste criado automaticamente ainda precisa fazer sentido para o negócio.

Onde isso se encaixa no movimento do setor Datadog

O padrão fica cada vez mais claro. Na semana anterior, a SmartBear levou o agente BearQ para dentro do Jira. Antes disso, a PractiTest lançou uma pontuação de prontidão para lançamento.

Ferramentas de qualidade estão migrando da execução de script para a exploração autônoma. Enquanto isso, vale acompanhar dados independentes de confiabilidade desses agentes.

Acompanhe nosso perfil no Instagram!