AI时代,软件测试工程师的求职就业指南

翻到了三年前写的一篇文章《ChatGPT真的可以取代基础工作岗位吗？》，我在里面大谈特谈AI的局限性，以及作为人类个体的创造能力。站在今天看三年前的自己，不免觉得有点好笑。

以当时我对AI的粗浅了解和认知，我认为AI仅仅是一个提效工具，并不会对现有社会秩序和工作岗位造成多大的冲击。

毕竟23年初，ChatGPT4.0刚推出不久，大模型仅限于处理文本信息的能力范畴。文生视频的Sora要一年后才出现，具备L3级别AI能力雏形的Manus，更是两年后的产物。更不用提全民争当养虾户的OpenClaw，要到26年春节后才能站上AI舞台中心。

如今三年过去，AI的能力以远超我们想象的速度在进化。

23年大模型能力趋于完善，24年多模态/混合专家模型快速迭代，25年DeepSeek的横空出世开辟了AI的另一条技术路线，紧随其后的Manus指引了AI端到端交付结果的路径。如今全民争当养虾户，OpenClaw更是能自主完成很多日常的工作。

在AI能力如此快速进化的时代，我们不免要面对一个残酷的事实：假如未来有一天，AI的能力足够完成大部分岗位的大部分日常工作，我们该如何自处？

换句话说，在未来的AI时代，企业需要哪种类型的人才？我们需要掌握什么能力，才能不被AI淘汰？我想，这是未来每个人都要面对的考验。

这三年，我花了很多时间学习了解AI相关的知识，给企业开展过AI培训，也给很多技术同学上过AI技术课，可以说对AI的了解和认知，比三年前强了不少，对AI的想象也在尽可能的上调。

基于我当下对AI的认知，我认为未来企业更青睐具备如下几点能力特质的人才：

1、熟练掌握主流AI工具并能基于此拿到结果。

有个真相被很多人忽略了，那就是在AI能力进化如此之快的今天，老板往往比打工人更关注AI。

企业的第一要务是盈利，盈利一靠降成本，二靠提高效率。AI目前展现出的端到端交付能力，已经赶上甚至在部分垂直细分领域超过了职场员工的平均水平。换做你是老板，你会怎么做？答案不言而喻。

但AI无法对工作结果负责，业务落地拿到结果，依然需要由人作为主体参与，AI作为强力助手来实现。这个时候，熟练掌握主流AI工具并有落地经验和成功案例的人，更受企业青睐。

2、专业背景+具备垂直领域丰富经验的专家型人才。

每个公司的业务不同，细节方面更是各有特色，更不用谈跨部门协作等非标品的工作内容。AI擅长的工作内容在这几方面目前距离专业人才还有很大差距。

因此，有专业技术背景，具备垂直领域丰富业务落地经验的专家型人才，会成为企业所青睐的香饽饽。

在实际工作中，专家型人才负责指明方向，制定策略，过程控制和结果审核，AI作为干活的助手来高效完成任务执行。二者结合起来，可以以更低的成本拿到更大的符合预期的结果。

3、具备搭建技术框架+构建流程体系的复合型人才。

虽然AI的能力进化很快，但在企业内落地依然会面临一个问题：AI并非开箱即用的工具，需要有人来搭建技术框架，并结合组织架构和流程体系，搞出符合公司实际需要的一套工作流程。

以软件测试岗位为例，假设你是一名测试主管，你要如何构建符合团队和公司要求的测试+AI质量保障体系？

如果是我的话，首先我会去调研了解目前主流的AI工具有哪些特性和能力，成本如何，有没有落地案例和业内最佳实践参考，大概需要多长时间才能看到效果。

其次，基于我对公司业务和工作流程的理解，结合团队面临的痛点诉求，梳理出当下和未来我需要AI帮我解决的事项。拿着这些事项和我对AI工具的调研结果进行匹配，然后做一个Demo汇报结果，制定后续的落地计划。

接着就是圈定落地范围，选择试点项目/模块，快速推动落地拿到结果。经过评估分析后，得到初版的落地实践SOP，并以此扩大AI的覆盖范围，最后推广到全部门甚至全公司。

在上述过程中，既考验你对AI的熟悉程度，又考验的你的专业技术视野和业务经验，更考验你落地拿结果的能力，每一项都很重要，缺一不可。

如果用一张图总结的话，那就是下面这张图：

总结一下就是：测试+AI的基础技术+应用实战+项目落地经验+结果价值交付。

作为一名软件测试工程师，如何具备上图所述的这些能力呢？大家可以了解一下我开办的AI+测试就业实战项目训练营，两个月时间，带你摆脱传统测试桎梏，成为可以利用AI能力提升自身职场竞争力的AI测试工程师。课程无限跟学、学会为止，提供全部源码！

四月十一日正式开营！

1. 上课时间：每周三19:30-21:00｜周六9:30-11:30，根据课程节奏安排课间休息。

2. 课程周期：2个月左右，根据学员掌握情况动态调整进度。

3. 学习保障：同类型课程无限跟课学会为止，赠送课程录屏与项目源码。

4. 学习形式：直播授课+手把手代码带练+企业级项目实战+课后实操练习。