文章摘要

文章主旨：在AI时代，测试工程师岗位并未消失，但“初级+可复制”的工作正被压缩，保留业务判断力与质量责任感的人反而更稀缺、更吃香。

关键要点

• AI能自动生成测试用例、脚本和回归流程，导致基础手工测试岗位缩减，初级测试人员首当其冲。
• 测试工程师角色正在从“做验证的人”转向“做审计/裁判/安全员”，核心价值从执行转为判断、补洞与守护质量。
• AI生成的测试在真实环境中常“翻车”，原因包括断言错误、时序问题、业务链路不匹配、环境差异等，需要人工审核与修正。
• 在通信、工具软件等专业领域，覆盖的定义是“双向可追溯”，AI提效不替代证据链与风险建模，少数有经验者负责此类关键工作。
• AI提效后管理层会拧紧交付节奏，容错率反而更低；真正被压缩的是“可复制性”，而非测试能力本身。

内容结构

开篇：栅栏变摄像头

以某通信事业部测试负责人周桦的比喻开篇：测试岗位从“拦在上线门口的栅栏”变成“摄像头”，偶尔报警，更多时候由系统自运行。过去半年访谈多家公司的测试工程师，核心问题聚焦在“我们还需要多少测试人”。答案指向两个方向：部分开发人员被AI推成全栈并吞并测试工作；部分测试岗位被AI反复折叠，初级手工测试岗位收缩。

1）我不是最便宜的那个，但我刚好不稀缺

以女测试工程师赵婷婷为例：她做了两年偏手工的功能测试，过去两个月“验证就行”的活儿变少。AI可根据开发清单生成测试用例和脚本，看似专业，但实际跑起来常翻车——断言错、时序错、甚至引用不存在的错误码。她被安排补洞，越补越像“临时工”。最终公司以“方向可被自动化覆盖”为由将其优化。她的总结是：努力做得越细，越证明这些工作可以被规范化，因而越容易被替代。

2）测试开发没消失，但变成了“替AI背锅的人”

测试开发陈浩表示，AI生成速度快，但不懂业务脾气，会把断言写得漂亮、流程写得像童话，进入真实环境后就编造“合理性”。他举了一个flaky失败的例子：AI分析为“后端接口不稳定”，实际原因是前端埋点上报与页面渲染的时序竞争。他的工作变成三段式：把AI脚本当草稿，审查选择器/等待/断言；把环境差异当第一风险；把可维护性当质量核心。他认为测试岗没有消失，只是不再适合“只会照着跑”的人。

3）通信设备测试：AI生成了用例，但没人愿意“盲测”

通信设备厂测试经理周桦介绍：AI能帮写用例描述、场景组合、日志分析思路，但在协议、互通、现场场景验证领域，“可跑”与“可交付”差距很大。AI不知道链路的现场抖动、上电顺序、设备老化等复杂因素。他最反感“AI生成=完整覆盖”的误解——覆盖要求需求条目—场景—前置条件—期望行为—证据链—现场可复现性的双向追溯。团队正把更多人员转向测试需求描述和AI结果审核，把风险建模、证据链、SKILL优化收拢给少数有经验者，避免把事故外包给AI。

4）我们也想用AI，但不能让它替我们做选择

工具软件公司测试负责人姚薇讲内部争论：公司开发了AI生成用例/脚本/自动执行能力，但最耗人的是“最后一公里”。开发写PR时AI能生成测试，CI跑过表面通过，但上线后客户会遇到权限差异、复杂业务数据、网络抖动、边缘设备兼容性等不可预料的组合。因此团队要求业务关键路径变更必须有人做“测试品味”（test sense）把关，决定哪些测试真正有效——这恰恰是最难被机器替代的判断力。

5）裁员不是“AI来了”，而是“节奏变快了”

互联网公司中层测试管理者宋远认为，核心问题不是AI替代，而是交付节奏被拧紧。以前测试两周，现在一周要结果；AI提效并未换来人力保障，反而容错率更低。能生成更多用例就要对更多变化负责，能跑更多脚本就要维护更多环境差异。测试人员越来越像“管理与纠错的人”，而不是“手工执行的人”。

结尾：真正被压缩的，是“初级+可复制”

被裁测试工程师总结：岗位缩减的不是“测试能力”，而是“可复制性”。受访者普遍认为，AI让测试更自动、更工程化，但复杂业务仍需人做判断与覆盖策略。只会写格式化用例、照脚本跑、补基础缺陷者越来越不值钱；能把业务风险拆成可验证假设、做稳定性与证据链者更吃香。大多数人的担忧不是“AI更强”，而是“被当成流程的一部分，而不是质量的来源”。最后一句点题：浪来了，测试工程师学会的第一件事，是保住最不容易被复制的东西——判断。

文章总结

全文以多视角访谈真实呈现AI对测试行业的冲击，基调冷静克制，核心建议是：测试人应主动转向业务风险判断、证据链建设与质量守门人角色，而非停留在可复制的初级执行层面。

软件质量报道

查看原文：回归测试不再“回归”：测试工程师的现状调查

文章来源：

软件质量报道

扫码关注公众号