Amazon Nova Act: QA e test UX su larga scala con l’automazione agentica

Venti casi di test eseguiti in parallelo su container Fargate invece che in coda sequenziale. Centinaia di flussi utente generati automaticamente dalla documentazione di prodotto e verificati con navigazione visiva, non con selettori rigidi. Con due blueprint pubblicati recentemente, AWS mostra come Amazon Nova Act trasformi il regression testing e l’analisi UX in processi scalabili, agganciati direttamente alle pipeline CI/CD. La posta in gioco è duplice: accorciare i cicli di rilascio e stanare attriti di navigazione che i test funzionali tradizionali non vedono.

Test suite in esecuzione parallela su Fargate

QA Studio, la soluzione di riferimento per il QA agentico, organizza i singoli casi d’uso in test suite che girano come batch con elaborazione parallela. Ogni use case viene eseguito su un worker Amazon ECS Fargate dedicato. Una suite da 20 test avanza quindi in concorrenza, riducendo la durata complessiva rispetto all’esecuzione seriale.

Le suite possono essere raggruppate per area funzionale, fase di rilascio o scopo (fumo, regressione, integrazione). Ogni use case mantiene la propria configurazione — URL di partenza, variabili, segreti e header — e la riapplica in autonomia quando la suite parte. I risultati aggregati mostrano quanti casi sono passati, falliti o ancora in esecuzione, con la possibilità di ispezionare log, screenshot e registrazioni di sessione per ogni test andato male.

Integrazione CI/CD con la CLI e override d’ambiente

Per gli ambienti di continuous delivery, QA Studio espone un’interfaccia a riga di comando (qa-studio) che esegue i test sulla macchina del runner CI/CD, anziché delegarli ai worker Fargate, e riporta gli artefatti al backend. L’autenticazione avviene tramite OAuth 2.0 client credentials, senza interazione browser.

Automazione agentica per test UX su larga scala, interfaccia multi-finestra di QA parallelo su dispositivi moderni — Amazon Nova Act esegue test UX in parallelo su container, trasformando il regression testing in un processo scalabile e integrato nella pipeline CI/CD.

Quattro meccanismi di override consentono di puntare la stessa suite contro ambienti diversi senza duplicare le definizioni:

--base-url per sostituire il dominio mantenendo path e parametri;
--var per sovrascrivere le variabili template ({{VariableName}}) usate nei passi di test;
--region e --model-id per selezionare la Region AWS e la versione del modello Nova Act.

I segreti (password, API key) risiedono in AWS Secrets Manager, crittografati a riposo, e non vengono scritti nei log. La CLI restituisce tre exit code: 0 (tutti i test passati), 1 (fallimento di almeno un test) e 2 (errore infrastrutturale), distinguendo il rosso del codice dal rosso dell’ambiente.

UX testing su larga scala: documentazione, esecuzione, analisi

Il secondo blueprint affronta il problema della copertura UX. Le specifiche di sito e le guide utente, caricate su Amazon S3, vengono indicizzate in una Knowledge Base di Amazon Bedrock. Una funzione Lambda interroga Claude 4.5 Sonnet per trasformare una lista di task (es. “acquistare una macchina del caffè tramite ricerca” o “aggiungere una carta di credito dalle impostazioni”) in istruzioni di test a tre livelli di granularità:

obiettivi utente ad alto livello;
percorsi con passaggi intermedi;
sequenze operative dettagliate (menu, filtri, checkout).

Nuovi flussi attivano DynamoDB Streams che innescano l’esecuzione parallela su ECS Fargate con agenti Amazon Nova Act. L’analisi finale, affidata di nuovo a modelli Bedrock, produce punteggi di usabilità e identifica i punti di frizione partendo dai log di reasoning e dagli screenshot raccolti durante l’esecuzione.

Cosa cambia per chi sviluppa e testa applicazioni web

Entrambe le architetture condividono lo stesso principio: sostituire script fragili con un modello multimodale che legge l’interfaccia come farebbe un essere umano, esaminando screenshot e decidendo l’azione successiva in base al contesto visivo. Il parallelismo su Fargate, presente in entrambi i progetti, è il moltiplicatore che trasforma la flessibilità dell’AI in velocità operativa. Per un team che oggi spende ore a rifare i selettori a ogni redesign, il messaggio è chiaro: la manutenzione degli script può smettere di essere il collo di bottiglia del ciclo di rilascio. La copertura dei flussi utente, finora limitata dai costi del testing manuale, può estendersi a varianti e casi limite senza far esplodere tempi e budget.