别再问 测试会不会被AI取代了 ——2026年数据告诉你：QA才是最后防线
感受
我最近用 opencode 搭建了一个完整的应用。
整个过程中，我大部分的精力其实都在做3件事情。
- 像产品经理一样设计功能和交互
- 像测试人员一样验证产品的功能及交互
- 不停的发现bug，提出缺陷，然后跟AI一起配合修复问题
这么反复循环了几次之后，我最终意识到：AI极大地降低了实现的门槛，却成倍放大了验证的难度和重要性。
用AI进行编码，实现代码确实是唾手可得了，但是验证的过程却是没有办法省略的。
AI在进行逻辑实现的时候，如果需求描述的不是很明确，那么一些实现细节是一定会遗漏的，这点跟现存的软件开发是类似的。
需求缺乏细节，那么只有用反复的测试来弥补。
比如我要实现一个需求，大致描述一番之后，AI会给出它的实现思路，然后让我们进行选择。
我们任意选择一个选项之后，很多的细节其实是AI自己去把控的，功能看似可以完成，但不一定跟我们的初衷相符，所以要反复测试和修改才可以真正达到可用以及正确的状态。
这其实让我意识到: 生产力工具越强大，对质量把控的要求可能就要越高。
毕竟现在需求可以实现的很快，但是要又快又好，很多细节和问题都需要人类来进行测试验证以及兜底。
AI时代的产品开发范式已经变了
传统的软件开发流程是这样的。
需求 → 设计 → 编码 → 测试 → 上线，根据Pressman教材数据，在经典软件工程里，测试环节通常占 20-30% 时间。
但是现在，编码环节被压缩到10-20%，但验证以及打磨环节占比飙升到50-70%。
JetBrains《2025开发者生态报告》显示：85%开发者定期用AI工具，62%依赖至少一个AI编码助手，但他们把更多时间花在“审查AI输出”和“调试AI生成代码”上（新增开销9-18%）。
我的看法是，如果多agent模式下的AI编码能力进一步提升，在一个项目团队里，产品和测试可能会比开发更为关键，毕竟编码的内容来自产品，编码的结果验证来源于测试。
在一个人一个团队的小型项目里，不会编码就能直接做应用的例子也逐渐习以为常，这一个人，大概率是更偏向于产品设计和测试。
市场的反馈其实也是这个趋势。
在中国市场，前程无忧《2026届校招AI人才需求报告》显示：AI测试工程师月薪中位数为13621元（虽低于核心算法岗的2.4-2.5万，但需求稳定增长，头部企业如阿里、腾讯、字节在AI质量方向扩招明显）。
这反映出：企业越来越愿意为“功能验证及质量控制”的能力买单。
为什么验证环节在AI时代变得更难、更重要？
第一个原因很容想到，那就是AI生成的代码充满概率性。
有数据称幻觉率（hallucination） 在复杂任务中可达 30-88%。
有时候AI觉得自己生成的东西没有问题，但真正上手测一下，就会发现一些隐藏的缺陷。
第二个原因是AI可以实现从“功能正确”， 但是“体验正确”却还需要反复的打磨。
AI很快做出“能跑”的东西，但“好用、防呆、边缘情况下不崩溃”的能力，还要靠人类来进行保证。
AI生成的代码往往停留在“表面能用”的层面：语法正确、逻辑基本通顺、基本路径走得通。但一到真实用户场景，就暴露出一堆“看起来小、实际致命”的体验问题。
这些坑AI自己很难感知，因为大模型缺乏真正的共情、上下文连续性和“好的人类体验”的直觉。
比如在我自己用 ai 实现的 kidcoins里，ai实现的兑奖下拉框原本是一个普通的select控件，用户体验不是很好。后面我自己上手之后给出了需要支持搜索的建议，反复修正之后，终于达到一个基本可用的用户体验。
