軟件測試的“裁員率”實在高得離譜！

最近這段時間，明顯感覺到身邊做軟件測試的朋友們，焦慮感正在集體爆發(fā)。

先不說大廠一輪接一輪的“優(yōu)化”，就說那些僥幸留下的，日子也不好過——需求越壓越多，排期越排越緊，領(lǐng)導(dǎo)天天喊著“提質(zhì)增效”，但該加的人一個沒加，該上的工具倒是一茬接一茬。

軟件測試的“裁員率”，可能比任何崗位都高得離譜。而且，這才是剛開始。

01、為什么測試首當(dāng)其沖？

過去，這需要測試人員熟悉業(yè)務(wù)、熟悉用例、熟悉各種邊界條件。測試的“經(jīng)驗”，很大程度上體現(xiàn)在“你知道哪里容易出Bug”。

但今天，這個邏輯正在被AI技術(shù)徹底顛覆。

幾個月前，大家還在研究RAG+工作流怎么搭，現(xiàn)在，熱點已經(jīng)完全轉(zhuǎn)移到“Skill+OpenClaw”。

你可能會問，這和測試有什么關(guān)系？————關(guān)系大了。

Skill是什么？是把一個復(fù)雜能力封裝成一個可調(diào)用的“技能”。OpenClaw是什么？是像“爪子”一樣，可以靈活抓取、操作界面元素和數(shù)據(jù)。

這兩個一結(jié)合，意味著AI可以看懂界面、理解操作、執(zhí)行步驟、驗證結(jié)果。

以前我們說的“自動化測試”，還得寫腳本、維護用例、處理元素變化。現(xiàn)在的AI測試工具，只需要你給它一個目標(biāo)，它能自己拆解步驟，自己點擊，自己輸入，自己斷言。

人力維護的成本，直接歸零。

當(dāng)AI可以7×24小時不知疲倦地跑用例，當(dāng)AI可以發(fā)現(xiàn)人類肉眼根本注意不到的邊界異常，你告訴我，還要那么多手工測試做什么？

02、測試人員的“AI焦慮”，比誰都深

有人說，那我學(xué)AI測試工具不就行了？問題就在這兒——你學(xué)得過來嗎？？

我見過太多測試朋友，這個月剛報班學(xué)完一個自動化測試框架，下個月公司就上了個新的AI測試平臺，完全不用寫代碼了。剛學(xué)完P(guān)ython腳本，發(fā)現(xiàn)AI已經(jīng)能自動生成測試用例了。

你永遠(yuǎn)在追趕，但永遠(yuǎn)追不上。

AI技術(shù)的發(fā)展，不是線性增長，而是指數(shù)爆炸。Skill和OpenClaw這類技術(shù)的出現(xiàn)，本質(zhì)上是把“測試能力”給平民化了。

當(dāng)技術(shù)門檻被踏平，門檻后面的人，就成了冗余。

更可怕的是，這波技術(shù)迭代才剛剛開始。現(xiàn)在的Skill+OpenClaw，只是第一波。下一波是什么？是AI能直接讀懂PRD，自己生成測試用例；是AI能根據(jù)線上日志，自動補全漏測的場景。

03、誰是下一個被優(yōu)化的人？

未來的測試團隊，只會保留兩種人。

第一種，是懂行業(yè)、懂業(yè)務(wù)

比如你測的是金融系統(tǒng)，你懂清算流程、懂對賬邏輯、懂監(jiān)管合規(guī)。AI再強，它也不知道某個業(yè)務(wù)場景背后隱藏的“潛規(guī)則”。

這種“行業(yè)上下文”，是AI短期內(nèi)很難掌握的。因為它是經(jīng)驗，是踩坑踩出來的，是寫在人腦子里的。

第二種，是能駕馭AI、讓AI為自己所用

他們不一定懂AI底層的原理，但他們知道怎么給AI下指令，怎么把復(fù)雜的測試任務(wù)拆解成AI能理解的動作，怎么判斷AI給出的結(jié)果是對是錯。

而中間層——那些只會點點點、只會照著用例執(zhí)行、只會寫簡單腳本的人——將是最危險的。

他們的工作，AI能做，而且做得更快、更便宜、更不知疲倦。

04、寫在最后

軟件測試的“裁員率”確實高得離譜。

但真正離譜的，不是裁員本身，而是很多人直到被裁的那一刻，才想起來問自己：我還能去哪？

01、AI測試

AI產(chǎn)品本身，就需要大量的測試。AI的回答是否準(zhǔn)確？AI的行為是否符合預(yù)期？AI有沒有價值觀偏差？這些東西，現(xiàn)有的測試工具測不了，必須靠人。

【體驗課】

02、車載測試

智能汽車正在爆發(fā)，一輛車上有上億行代碼，有幾百個傳感器，有無數(shù)的人機交互場景。車機系統(tǒng)的測試、自動駕駛的測試、座艙交互的測試，需求量大到驚人。而且，車載測試涉及硬件、涉及安全、涉及真實路況，這是純軟件AI暫時替代不了的。

【體驗課】

??轉(zhuǎn)崗軟件測試/野路子技能提升

??想了解更多漲薪技能提升方法

??可以到我的個人號：atstudy-js

即可加入領(lǐng)取 ??????

轉(zhuǎn)行、入門、提升、需要的各種干貨資料

內(nèi)含AI測試、 車載測試、AI大模型開發(fā)、BI數(shù)據(jù)分析、銀行測試、游戲測試、AIGC