把任务自动化等同于岗位消除，是贯穿整个技术史最常见的分析错误。 每隔几年，就有一项新技术被宣判为某类职业的终结者。流水线消灭工人，ATM 消灭柜员，电子表格消灭会计，自动化测试消灭测试工程师，现在轮到 AI。但历史的实际轨迹几乎从不是预言里的那条直线。理解这个模式，不是为了盲目乐观，而是为了看清真正的威胁在哪里，以及真正的机会在哪里。
ATM 的故事
IMF 经济学家 James Bessen 记录过一个被广泛引用的案例。ATM 在 20 世纪 70 年代引入美国，到 90 年代中期大规模部署，全美超过 40 万台。按直觉推断，ATM 处理了大量取款、存款、查询业务，每个网点所需的柜员数量应该大幅下降，银行也会顺势关闭人力成本高的网点。
实际发生的事情是：每个网点的柜员数确实从 1988 年的 20 人降至 2004 年的 13 人，下降了 35%。但银行利用降低的运营成本开设了更多网点，城市地区网点增加了 43%。柜员总数不降反升。
关键转变不在数量，而在角色。柜员从现金处理者变成了关系银行团队成员，开始专注于销售金融产品和处理复杂客户服务。这些工作依赖信任、判断和上下文沟通，ATM 无法完成。CCIA 的分析一针见血：把任务自动化与岗位消除混为一谈，是所有 XX 将被淘汰 预言里最常见的逻辑错误。
软件测试领域的三次浪潮
软件测试领域自己就是这个模式的活教材，而且已经经历了三轮。
QTP 时代（2000 年代初），惠普推出 QuickTest Professional，图形化录制回放让非技术人员也能生成测试脚本。当时的预判是：既然工具能自动生成脚本，手动测试工程师就没有存在价值了。实际结果是：手动执行者确实减少了，但会写 VBScript、能维护和扩展脚本的测试工程师需求上升。角色从执行者变成了脚本编写者。
Selenium 时代（2010 年代），开源框架降低了门槛，自动化测试不再是大公司的专属。预判再次出现：工具越来越简单，测试工程师的技术门槛会消失。实际结果是：Selenium 本身需要 Java 或 Python 能力来管理，框架搭建、数据管理、环境配置的复杂度让测试工程师反而需要更强的开发能力。角色从脚本编写者变成了框架架构师。
DevOps 浪潮（2015 年以后），持续集成、持续交付让测试是最后一道关口的模式被彻底打破。预判是：开发者自己写测试，QA 团队会被吸收或消解。实际结果是：大型 QA 团队的比例从 2023 年的 17% 上升到 2025 年的 30%。DevOps 没有压缩测试团队，而是扩张了测试的定义，把 DevOps 工程师、开发者和产品角色都纳入质量责任链条，同时让测试工程师深入 CI/CD 管道，成为质量工程师。
三次浪潮，三次被消灭，三次完成角色蜕变。被淘汰的不是测试这件事，而是停留在单一执行动作上的岗位形态。
当前数据的矛盾信号
理解历史模式之后，再看当前 AI 浪潮里的数据，矛盾的信号就不那么令人困惑了。
McKinsey 2025 年《State of AI》报告同时包含两个看似矛盾的数字：32% 的组织预计 AI 在来年缩减劳动力，但 28% 的软件工程高管预计 AI 反而会增加人手。同一个技术，两个方向的预期。原因在于，不同公司处于不同阶段，应对方式不同，结果也不同。
Tesla 的 QA 团队数据提供了一个更具体的参照。从 2020 年到 2025 年，手动测试人员减少了 75%，但 AI 测试专家增长了 850%。团队没有缩小，而是彻底进化了。 消失的是重复执行，增加的是 AI 系统的设计、训练、验证和维护。
Gartner 修正了早期的预测。新的判断是：常规测试任务将在 2030 年前自动化 60%~70%，但对技术 QA 专业人员的需求将增加 25%。这个修正背后是现实教训的积累，不是乐观主义。
被裁撤的 AI 招聘系统
Amazon 曾开发了一套 AI 招聘系统，用来自动筛选工程师候选人的简历。系统运行一段时间后，工程师团队发现它在系统性地降低女性候选人的评分。原因是训练数据主要来自过去十年的招聘记录，而过去十年提交简历的工程师以男性为主，AI 把男性简历特征学成了优秀工程师特征。
Amazon 最终废弃了这个系统。这个案例最常被引用来说明 AI 的偏见问题，但它同时说明了另一件事：缺乏充分测试的 AI 系统，其失败方式往往不可见，直到造成了真实伤害。
偏见与公平性测试、幻觉检测测试、模型漂移测试，这些是 AI 时代才出现的测试类型。它们不是对旧测试工作的替代，而是全新的测试需求。EU AI Act 的落地进一步将 AI 系统的测试要求法规化，为测试工程师打开了明确的合规专业通道。
消失的是什么，留下的是什么
回顾 ATM 案例和测试领域三次浪潮，消失的始终是同一类工作：高度重复、规则明确、不需要判断的执行任务。 留下的始终是同一类工作：需要理解语境、作出判断、处理边界情况和异常的工作。
AI 当前的替代范围，正好落在高度重复、规则明确这个区间。Atlassian 裁员时明确指向的 QA 角色，是手动回归测试执行者；Facebook AI 视觉框架压缩的 80% 工作量，是人工像素级比对；Coherent Solutions 减少的 35% 测试工作量，是样板测试用例的编写。
而 GitLab 的调查显示，75% 的关键缺陷最终仍靠人工发现。 探索性测试、业务上下文判断、用户同理心，这些工作不是 AI 懒得做，而是它的结构性能力边界。James Bach 说过：当你把一个人类执行过的测试自动化时，它已经不再是同一个测试；在他的理论框架里，它甚至只能算输出检查，而不是真正的测试。
测试的本质是一种认知活动。
结构性变化的真实面目
World Economic Forum 的预测给出了宏观坐标：自动化可能消除 8500 万个工作岗位，但有潜力创造多达 9700 万个新岗位。净值是正的，但分布不均匀：消失的岗位和新增的岗位，要求的能力不同，时间窗口不同，地理分布也不同。
对测试工程师来说，这意味着：转型不是可选项，时间窗口是有限的。 当前 75% 的组织已将 AI 测试列为战略重点，但真正落地的只有 16%。这个落差，就是窗口期。
ATM 没有消灭柜员，但也不是所有柜员都平稳转型成了关系银行专家。那些没有意识到角色在变、没有主动学习新技能的人，确实经历了职业困境。AI 不会消灭测试工程师，但不愿意转变认知框架的测试工程师，会被已经完成转变的同行取代。
浪潮不问你准备好了没有，但准备好的人和没准备好的人，站在浪里的感受完全不同。