AI越能写代码测试就越值钱

AI越能写代码，测试就越值钱。一个"余额不足"的需求，AI只生成5条标准用例，老测试能问出7个需求里没写的问题。测试的核心不是执行，而是发现"没有被定义的部分"——只会写用例的人最危险。 🎯

过去一年，我身边越来越多测试同行在焦虑一个问题："AI都能写代码了，测试是不是快没了？" 😰

说实话，这个问题的答案跟你想的可能完全相反。读完这篇，你会知道为什么AI越能写代码，测试反而越值钱。 🤯

先说说我观察到的一个现象。 👀

过去两年，大模型最猛的冲击在开发侧。Claude Code、Cursor、GitHub Copilot、Gemini Code Assist……开发圈里几乎人手一个AI编码助手 🛠️ 以前一天吭哧吭哧写500行代码，现在一句Prompt就生成了。

这时候测试圈开始慌了——"AI都能写代码了，下一个是不是就轮到测试了？" 😱

这个逻辑表面上看没毛病：代码都能生成了，测试用例还远吗？ 🤷

但如果你仔细看看AI在开发和测试两个领域的能力差距，会发现一个有意思的事：

AI生成代码的进步速度，远大于AI测试软件的速度。

为什么？因为大多数人把测试想得太简单了。 🎯

很多人眼中的测试工作长这样： 🤔

如果测试真的只是这样，那被AI取代只是时间问题。事实上，大模型几秒钟就能生成几百条测试用例。 🤖

但问题在于——真正有价值的测试工作，从来不是写用例。

一个资深测试面对一个新需求，脑子里的实际流程是这样的： 🧠

看出来了吗？执行是最底层的。真正创造价值的，是前面那几步"看不见"的工作。 🎭

说个真实案例。 💯

需求文档上写着："用户余额不足时禁止下单"。

把这句话扔给AI，它几秒钟就能写出这样的测试用例： 🤖

看起来没问题，对吧？ 🤷

但一个有经验的老测试看到这个需求，脑子里会冒出这些问题： 🧠💥

这些问题是需求里没有写的。但它们才是真实线上的事故源。 💥

AI为什么想不到？因为它本质上是在已有的上下文中找最合理的答案，它不具备"怀疑需求"的能力。而资深测试最值钱的本事，恰恰就是"发现没有被定义的部分"。 🕵️‍♂️

还有一个更根本的问题。

今天绝大多数软件，本来就是为人设计的。 👤

我们每天在测的东西——按钮、弹窗、下拉菜单、拖拽、手势操作——本质上都是：

AI看到这些界面时，其实非常痛苦——"我知道这里有个按钮，但我不知道为什么要点它。" 🤖💭

于是大量所谓的AI自动测试，最后变成了高级版Monkey测试——到处点、到处跳、到处试。覆盖率看起来很高，有效Bug却没几个。 🐒

这就是为什么到今天，功能测试依然是AI最不擅长的领域之一。

这里说一个可能比较扎心的事实。

很多人觉得开发技术含量高，测试技术含量低。但从AI的角度看，代码生成比正确性验证容易得多。

为什么？

因为代码本质上是确定性的。输入"实现一个订单查询接口"，输出一段代码——存在明确答案。

而测试关注的是——"这个系统到底是不是正确的？" 🤔

这个问题没有标准答案。用户体验是否合理？业务流程是否存在漏洞？风险边界是否覆盖？产品逻辑是否符合预期？这些问题比写代码更接近"决策"——而决策恰恰是当前AI最薄弱的能力。

说测试安全，不意味着所有测试工作都安全。

事实上，最危险的恰恰是大量重复执行类工作：

这个表很重要，建议你截图保存。它基本就是未来5年测试行业的"红黑榜"。 📊

这篇文章想传递的核心信息其实很简单：

AI时代最大的误判之一，就是把测试理解成执行工作。

执行最容易被替代。 🫥判断最难被替代。 🧠

当AI越来越擅长写代码时，人类的价值反而会向"定义正确性"迁移。

所以别焦虑。焦虑不如想清楚自己下一步要往哪里走。 🧭

下一期我会聊一个更具体的话题：「你可能根本不懂什么是测试——90%的人把测试想简单了」，感兴趣的可以关注，别错过。 👀

📢 下期预告

「你可能根本不懂什么是测试」

90%的人把测试想简单了。一篇帮你重新理解测试真正的工作。 👀