继续操作前请注册或者登录。

测试基础 蹩虾几把吹 AI 了

小黑子-IKUN · November 19, 2026 · 40 hits

最近看了一些 AI 提效的分享,越看越觉得烧心。

好像只要沾上 AI,什么事情都能被包装成一次效率革命。

几分钟生成几千条测试用例,几十万字符的测试资产,一个 Agent 搞定整个测试流程。各种数字和演示效果,一个比一个漂亮。

但有个现象几乎已经成了常态:

AI 聊起来就很有用,真到需要对结果负责的时候,就必须人工核对。

生成测试用例很快,但要检查覆盖是否完整、场景是否合理、有没有重复。

生成自动化脚本很快,但要验证断言是否正确、异常处理是否可靠。

AI 给出分析结论很快,但要确认它有没有理解错业务,有没有遗漏关键条件。

这就有点尴尬了。

前面宣传的时候,AI 好像什么都会。真正到了交付环节,又突然离不开人工审核。

那到底节省了多少时间,减少了多少工作量?这些问题却很少有人愿意提。

其实有个最基础的概念一直被忽略了,测试工作真正费时间的从来不只是敲字,而是需求理解、风险分析、场景设计、数据准备、环境排查、结果验证。这些才是真正考验测试人员能力的地方。

AI 确实加快了其中一些环节,但很多工作并没有消失,只是从原来的编写,变成了审核、修正和验证。

流程加速了,不等于整个工作量就减少了。

更离谱的是,现在有些人开始拿生成数量当成绩。

几千条用例、几十万字符,听起来确实很唬人。但这些用例有多少有效,有多少重复,能不能执行,最终发现了多少问题?

这些才是应该关注的东西。

以前有些团队拿代码行数衡量开发效率,现在换成了拿 AI 生成量衡量测试效率,本质上还是那套老思路,只不过换了个包装。

这种风气比以前的唯技术论还恶臭。

当行业开始习惯用漂亮的数字证明 AI 提效,管理者也可能逐渐形成一种错误认知。以前需要几个人完成的测试工作,现在一个 AI 就能搞定。

然后呢?测试周期压缩了,人员投入减少了,质量要求却没有降低。

那些 AI 没有处理好的问题,最终还是要有人承担责任。

套用最近那个有点烂、但又挺应景的梗:

贵是贵了点,但吃了不烧心。

这句话放在 AI 提效上也挺合适。

技术可以先进,工具可以升级,效率也可以追求,但最后交付的东西总得经得起检验。

不能光顾着生成得快,最后还得让别人替你擦屁股,顺带把整个行业的风气都搞烂了。

别再几把乱吹 AI 了

No Reply at the moment.
需要 Sign In 后方可回复, 如果你还没有账号请点击这里 Sign Up。