长期以来，我在社区看到关于 AI 提效的帖子下面大部分会回复这是 KPI，是绩效，其实我也深有体会。
依我所在的公司来说，我们是物联网相关的公司，并不是传统互联网，是会生产实际产品进行售卖的公司。
然而从年初开始，老板就开始提 AI 提效，要求全公司必须先把 AI 用起来，再到现在找专门做 AI 需求分析和快速编写代码的公司协助我们优化内部流程，搞测试驱动开发 TDD 之类的。甚至还要求硬件探索利用 AI 画 PCB 板子，固件探索 AI 自动化等等。
实际的效果就是：老板自己也不知道该做到什么程度，很多东西业界也没有成熟落地的方案，导致步履维艰，大家在这件事情上耗费了大量的精力却也没有得到很好的反馈。这些的确都是现在 AI 难落地的实际困难，像我们这样的小公司的确难以有庞大的资金去大量投入到 AI 里面去。但是老板却坚定不移的要走 AI 这条路，已经把优先级提到最高了，现在所有的新需求都必须要带上 AI 相关的功能模块。
针对这个现象，我产生了一个疑问：按理说，像我们老板这种本身也是名校和大厂出来的人，认识的朋友圈子也很广。明知道 AI 落地是很费时费力且不一定讨好的事情，难道他真的如大家所想的这么蠢？难道他不知道落地难？还是说他其实知道未来一定需要往 AI 的方向走才能让公司存续下去？或者说他的圈子里有更前沿的消息支撑着他坚定不移的在公司内部推广 AI？
向问问社区里的各位是怎么看待老板或者高层对于 AI 的态度的？是否真的如大家所说的老板对 AI 一窍不通，都是人云亦云，无脑跟风而已。
上述仅代表个人想法和疑惑，请大家理性探讨
- AI 是真的能提效，对个人对老板都有收益，不要对 AI 有偏见，不要抗拒 AI 落地，要理解且拥抱，可以选择不做先锋布道者，但聪明人至少都做跟进者（有条件最好再理解一下 AI 底层进步迭代的逻辑，看论文看别人分析都好）
- AI 在质量领域的落地实践，正被大厂迅速开发。可能再过一年半，AI 在质量中能玩的地方基本都走了个遍，那会就沉淀出和传统质量一样的质量框架/套路，大家就照着干就完了
- 各行各业垂类领域的 AI 实践，肯定靠这个行业内的人去想，即使是传统质量也是一样，行内人是第一批知道痛点的，你可以骂你老板傻逼，但是不应该放弃思考（当然不思考也不代表什么）
AI 落地是很费时费力且不一定讨好的事情
这个就像蒸汽机刚出来的时候，明知道造蒸汽机费钱还污染环境一样。
对老板来说，真的可以降本增效。。。
眼光稍微放长一点，可能 1-2 年，就可以节约 30% 的人力成本。
尤其是可重复的门槛较低的业务，AI 写代码做方案比新手强多了。
当所有人都降本的时候，你不降本第一个死的就是你。
说说我自己的使用情况吧。
- MCP + 已有的造数，极大的降低使用门槛
- MCP + 问题排查经验 rule，大幅度提升繁琐重复的问题排查效率
- PRD + 技术文档生成业务用例，整体采用率 70% 左右
- Cursor + 业务用例 + 业务 Rule 生成自动化用例，半年左右目前已经生成 800 个场景用例，大幅度提升效率
对了，这里说到的 AI，使用不同的 AI 模型差异非常大。
很多时候说 AI 不管用，没办法提效。 有这么一些可能性： - 使用辣鸡的模型
- 使用者自身对 AI 缺乏基础认知
以上仅供参考
恒温
回复
没否认能提效
。其实像现在业界用的一些 mcp、cursor 那些我们已经在用了。但是垂直行业的探索是真的步履维艰，搞得大家很焦头烂额。举个例子：我们的一些设备是需要观察操作后的具体表现的，并不像一个接口，一段代码就能快速验证。这种实践就显得不那么从容了，但是老板还是希望能出一些成果。像刚刚说的其实也可以考虑说去接摄像头什么的辅助验证，但又不想给资源去探索，给人一种既想省钱又想出好效果的感觉
有垂直行业的朋友吗？像什么 AI 画 PCB 这种，真的是一个小公司能自己搞出来的吗
花菜
回复
大佬，Cursor + 业务用例 + 业务 Rule 生成自动化用例 这块能分享下吗，我这边主要是觉得接口自动化用例时间主要在调试测试这一块，编写其实很快。所以一只没想着用 AI。
现在每周的同步会上，像软件、测试、产品这些来说还好，还能讲讲自己怎么利用 AI 去快速提取需求、写代码快速辅助验证、快速生成基础测试用例等等。但是像固件、硬件的同事就很难受了，支支吾吾半天感觉也没什么进度
而且 mcp、cursor 这些用起来以后，再想去深度探索会越来越费劲，但是每周还是希望你有产出，就会让大家很有压力
你们是私有部署大模型还是用公网的？公网的信息泄露是风险，私有部署需要投入更多资源
yeyu
回复
公网，小公司哪有钱搞什么私有部署。都是找各种破解、淘宝、脚本啥的，能蹭就蹭，不能蹭就买最便宜的。老板是想尽办法的节约资源，但是要产出最高的价值
fxy
回复
偶尔需要人工接入调试，但也只需要把错误给 Cursor 就行。。答题思路就是把日常的业务知识沉淀为 Cursor Rule，知识库用，最好是人工指定一下 rule。
吹落如雨
回复
我们倒是做的三维建模软件，AI 用处还是有的，知识库 + 测试点，自动生成建模工作流测试用例，行业小白从 0 到 1 熟悉软件工作流这个步骤的时间已经省去了。目前建模造数虽然 AI 还存在技术问题，但是怎么按照参数生成一个实际项目模型的步骤可以很清楚的告诉你，再就是软件的周边（web 端、移动端、Windows 端）软件还是用的传统的互联网，这些测试工作量还是有的，AI 也可以去提效，让测试专注于三维建模本身。不管做什么岗位的测试，拥抱 AI 就是拥抱先进生产力。
magicyang
回复
以前还都在降本增效，现在本已经降到不能再降了，大部分企业都处在成本和效率的交点附近，再降低成本那就只能内爆，互联网时代，被网曝的存在污点的企业的下场会很惨或者企业效益会有一定影响，如果有几百上千人的法务团队当我没说。目前都是在考虑不降本的情况怎么增效。
dun
回复
拥抱 AI 是没错的，希望后续老板能理解到不同方向的 AI 实践难度是不一样的吧，别搞什么每周都要有进度这种硬性指标。有的方向就是难出结果，业界都没啥好成果，还非得让我们一个小公司做出成绩来，这不是搞笑呐嘛
ai 写写原型图 prd 和代码挺强的，不过得自己去改，确实能提效
看了最近的 mtsc，好像大家分享的集中方向在用例生成和 app 测试执行方面偏多。
我们稍微有点国企背景，最近领导兴致来了，大手一挥： 那个谁谁谁，你去调研看看，别人都是咋生成的用例，用啥模型，用什么开源软件，多久能搞定。。。
然后我
.... 好的领导....
提效完屠刀就来了
其实已经有很多落地结果了，而不是没有效果。所以你应该去除固化思维，真的进入这个业态去了解边界在哪里，哪里可以做。停留在原有的测试区域，差距和认知会越拉越开
- AI 是真的能提效，对个人对老板都有收益，不要对 AI 有偏见，不要抗拒 AI 落地，要理解且拥抱，可以选择不做先锋布道者，但聪明人至少都做跟进者（有条件最好再理解一下 AI 底层进步迭代的逻辑，看论文看别人分析都好）
- AI 在质量领域的落地实践，正被大厂迅速开发。可能再过一年半，AI 在质量中能玩的地方基本都走了个遍，那会就沉淀出和传统质量一样的质量框架/套路，大家就照着干就完了
- 各行各业垂类领域的 AI 实践，肯定靠这个行业内的人去想，即使是传统质量也是一样，行内人是第一批知道痛点的，你可以骂你老板傻逼，但是不应该放弃思考（当然不思考也不代表什么）
ai 可以出 prd，写代码，写用例或者自动写平台，自动生成脚本运行完出测试报告，这样的产品能直接上生产么
还是要人工去看去检查，单纯生成手工用例还好，照着执行完，多退少补；生成的自动化脚本得看入参和断言吧，得分析场景吧，确实能提效，但是也没那么夸张，本身项目中花的写用例和脚本时间占比也不大；写的过程中何尝不是熟悉查漏补缺的过程，用 ai 查漏补缺还挺有意思的