AI 的能力这两年是肉眼可见地变强了。写代码、画原型、出文档以前要一个团队分头做的事现在一个人带着几个 AI 就能全部包揽工作产出抵得上从前的一个小团队。按理来讲工具这么能干人的工作应该越来越轻松才对。但最近跟不少读者、学员聊听下来的情况正好相反测试工程师这个群体尤其明显。用例确实能自动生成了脚本也不用一行一行手写了可人没有轻松半分反而更忙了。提测的版本一个接一个回归越排越满加班一点没少。效率指标压得人更憋屈领导看研发产出翻了倍转头就问测试为什么没跟上背在身上的绩效考核一年比一年高。今天写这篇文章的目的就是想站出来为测试从业者或者打工人群体发声的。哈哈为我摇旗呐喊吧 如果正在看文章的你是团队领导不懂AI 在瞎指挥的赶紧来看一下提高一下认知如果你是开头文章提到的哪一拔人深有同感的话就请赶紧把文章转发给你的领导。AI时代产研组织发生了什么变化AI 很强也好用这一点没人否认。可省下来的力气没有落到干活的人身上人反而越来越累。原因不在测试或者打工人自己身上我们先从 AI 时代产研组织正在发生的变化聊起。最直观的变化是岗位的边界没了。现在很多公司已经不太区分产品经理、设计师、前端、后端、测试这些岗位了行业里很多人把这种统一后的角色叫 Builder所有人都是生产者。这在几年前不可想象以前的分工靠技能门槛撑着写代码要学好几年做设计要有专业功底门槛把岗位隔开也把职责隔开。AI 把这道门槛拆掉之后边界自然就守不住了。它带来的变化是所有人都可以提交代码。以前只有研发能碰代码现在产品经理、设计师都能把自己的想法直接做成能跑的东西效率提高得非常高。当然目前很多公司基本还停留在局部试点只在少数 AI 团队里是这样但方向已经很清楚。变化更大的在流程上。以前一个需求走下来产品写 PRD设计师画交互稿开评审会同步信息研发排期开发测试照着文档验收一层一层交接。现在没有人再去写文档画交互了在这种模式下产品经理会直接做一些前端开发的事情把自己的想法做成页面直接把代码提交到内部的测试环境上。研发一看就知道他想要什么在这个基础上帮他做精细化、规范化做完之后测试测一下就直接发到正式版本上。这样就形成了AI时代下新的研发组织协作模式。产品经理把想要的效果提交到测试环境研发一看就知道想做什么不需要评审也不需要画交互图几个问题一确认就把代码规范化没问题就上线。这就是为什么说研发这边算是比较好因为它真的改变了组织。产品用 AI 把 PRD 写得更快交互稿画得更快研发用 AI 把代码写得更快这些算个人提效组织没改工作流程还是原来的流程。一个想法从提出到上线中间的路短了一大截。如果不算测试的话整体效率至少能提升35倍。新的协作模式下最累的是测试新流程里最好过的是产品和研发最累的是测试。这件事要单独展开讲讲它和大多数人对 AI 提效的想象正好相反。工具越来越多测试没有变轻松反而更忙了效率报告上的数字上去了加班时长也跟着上去了。为什么单单把测试排除在外原因很简单测试是现在 AI 整体提效最大的瓶颈。产研这条流水线上产品、设计、研发都在被 AI 加速唯独验证这道工序AI 虽然也能帮测试提效。但并不能像编码、设计一样。有几点关键原因。错误的将开发提效照搬到测试提效领导往往是这么想的。特别是一个不懂AI落地的领导看过几次 vibe coding 的演示或者自己动手三分钟生成了一个能跑的网页很容易得出结论需求生产力、编程生产力提高了 5 倍、10 倍甚至 100 倍。这个判断放在开发身上方向大体没错。接下来他会顺手把这套倍数套到测试岗研发都翻十倍了测试翻五倍不过分吧年底的效率指标就这么定了下来。测试的效率确实也能提。用例设计、测试脚本开发这类偏内容生产的工作AI 的加成非常明显原来写一天的用例现在一小时出初稿原来维护一套自动化脚本要专人盯着现在把需求描述清楚就能生成。这些环节翻几倍是没问题的。AI擅长迎合而测试更需要的是“挑刺”为什么说不能直接将开发编码的提效照搬到测试工作上问题出在两边的属性天然相反。AI 的迎合性非常高它会顺着你说的方向去搞你提需求它照办你说没问题它就一路绿灯。这个属性放在编码或内容生产类的任务没毛病写代码的人就需要 AI 顺着来越听话越好使。可测试的活恰恰是挑刺要不断地去证明你做的不行。让一个天生顺着的工具去干天生对着干的活AI 测试工具用下来效果不好根因在这里。测试真正吃时间和精力的地方不在这。而在于执行和验证、全维度质量验收如何确保做出来的东西与需求目标对齐这几块才是测试的主体。它们和业务流程、业务场景强绑定每个项目都得结合业务做定制一遍一遍磨细节这个月在这个业务里磨出来的经验下个新业务来了重新磨。这类工作必须有人持续投入、持续主导才能做好。AI 编程和 AI 测试的差别就在这里。AI 编程工具强在没有人主导也能快速交付结果给它一句需求它能自己往下走。AI 测试没有这个属性没人管它它能生成一堆看起来很专业的用例和脚本验证本身不会发生和业务对不上的地方它也不知道。内容生产可以无人值守验证和对齐通常还是要以人作为主导。研发产能翻倍被测的东西也变多了研发的产出量翻倍了测试却没有办法像研发一样放大。前面几道工序都在提速验证这道还是原来的速度东西越产越多出口没有变宽最后全堵在测试这里。提速提不动只能加人测试反而成了扩招最多的岗位。以前几个研发对一个测试现在一个研发就要对一个测试测试成了整个组织里唯一靠堆人补产出的地方。这还只是效率这一头。另一头是研发产能翻倍最直接的变化是被测的东西变多了。以前两周上一个版本现在一天一个。以前一个需求要走完评审和文档才到测试手里现在产品直接把代码提到测试环境。再者被测对象本身也变了AI 生成的代码迎合性强你顺着说它就顺着来错也错得很自信而测试的活恰恰是挑刺要不断证明它不行。一个顺着来一个对着干这个对抗里工具帮不上太多忙。提效后的收益被拿去加大需求量最拧巴的还在后面。测试自己也在用 AI 提效用例生成快了脚本写得快了可省下来的时间没有变成下班变成了排进来的更多需求。研发提效的收益被产品端拿去加大需求量验证总量跟着涨测试站在中间上游越来越快上线的日期一天不让。这就是很多测试这两年最真实的体感工具越来越好用活越来越多人越来越累内卷就是这么卷起来的。用 AI 生成的用例去测 AI 生成的代码两边的量都在膨胀中间对齐业务、拍板能不能上线的那个位置压力最集中。而这个位置没法摊薄业务有多少个场景就有多少处细节要磨。AI 可以把用例写得又快又多唯独不能替人回答这个版本做出来的是不是需求真正要的那个东西。写到最后AI 给我最贵的教训是0 到 1 可以靠一个人加 AI 冲出来规模化必须有专业的人进场主导。对个人来说方向其实清楚把用例和脚本尽量交给 AI把省下来的时间挪到业务对齐和验收上。累不会消失但至少累在值钱的地方。这篇文章从头到尾都没有否定 AI 对测试的价值。用例设计、脚本开发这些偏内容生产的环节AI 帮测试提的效是实打实的。问题出在目标的定法上。测试这个工种有的环节是内容生产AI 能翻好几倍有的环节是执行、验证、验收和业务强绑定提效的空间天然有限。企业落地的时候执行层也好领导层也好定 AI 提效目标之前先把自己团队的现状摸清楚把能提的环节和提不动的环节分开看再定一个够得着的数字。一刀切地套倍数看别家翻十倍自己也想翻十倍这种跟风最后都会变成压在测试身上的加班。最后想替测试同学说几句话。一款产品功能再炫、迭代再快没有质量保障兜底上线就崩前面所有的效率都是白忙。测试站在研发和用户中间替整个团队扛着质量风险这个岗位的价值从来不该只拿产出速度来衡量。如果你是团队负责人下次开提效复盘看到测试的数字没跟上先别急着质问多问一句他们这个季度的验证量涨了多少。AI 还会越来越强用它的人理应越用越轻松测试不该一直是那个例外。