1.对于定制化的,业务强绑定的功能,AI 理解成本高,需要投喂历史大量的需求文档,且理解准确性还需人工审查;
2.对于系统核心链路的功能测试、集成测试,理论上 AI 可以完成一部分,但可信度存疑,是否认可 AI 测试通过后,即草草上线,如果不认可,那归根结底还是需要最后一道质量守门人;
3.对于复杂多变,快速迭代的项目,AI 测试的投产比未必比手工测试高,而且 AI 测试模式是半黑盒,你无法完全认可他最终给出的结论;
4.说回一个现实的问题,假设 AI 真的可以满足某些功能通用,需求文档规范,迭代稳定的项目的测试需求,那测试的目的不是验证软件没有 bug,不论是 AI 还是人类,总会有遗漏,如果真的上线后引起了用户流失,资金损失,形象损失,那谁来为此担责, AI 吗,显然不可能。