一场匿名投票、一场关于多模态测试的讨论，以及一些关于谁从 AI 热潮中受益的令人不安的问题。
最近，我在 DEV.to 上发表了一篇关于我们公司 AI 测试实践以及随之而来的组织变革的文章。
它入选了 DEV 每周 Top 7 精选文章，并被收录进 DEV 官方新闻通讯。
评论比我预想的更有意思。来自不同背景的读者开始分享他们自己的经历。他们谈到了过时的 PRD、智能体反复报告同一个 bug、孤立的测试环境，以及当人们一直在默默填补漏洞时，自动化可能暴露出的混乱。
一位来自制造业的读者甚至把我们的经历和他工厂的自动化物料追踪项目做了比较。行业不同，问题相同：一旦你把某个流程自动化，那些过去由人手动处理的混乱交接就会变得难以隐藏。
我还在思考那些讨论时，另一件事引起了我的注意。
它发生在我所在的一个 QA 社区群里。
1. 十六个人说自己没有工作
这个群大约有 500 名成员。有人发起了一项匿名投票，问了一个简单的问题：
你目前有工作吗？
我查看结果时，已有 76 人投票。
| 状态 | 人数 | 百分比 |
|---|---|---|
| 在职 | 60 | 78.9% |
| 目前无业 | 16 | 21.1% |
十六个人。
需要说明的是，这并不是一项针对软件测试行业的失业调查。投票是匿名的，我们无从得知那 16 个人为什么没有工作。他们可能是被裁员、主动辞职，或者只是处于两份工作之间。大约 500 名群成员中只有 76 人参与，所以没有理由把它当作全行业的统计数据。
不过，这个数字还是引起了我的注意。
我还有一位从事软件测试的前同事。他们已经失业六个月，仍未找到另一份工作。
这不再只是匿名投票里的一个数字。那是我认识、也曾共事过的人。
我不知道他们求职的全部细节，也不会自动把他们的处境归咎于 AI。但六个月都没能找到另一份工作，这很难让人忽视。
群聊很快就被评论填满了。
我们看到的全是裁员。没人在招人。
快 50 了。现在还有谁会雇我？
这个领域还有未来吗？
有人建议转行。也有人说该为即将到来的变化做准备了。
有一条评论很好地总结了这种情绪：
随着 AI 驱动的生产力提升，跟上节奏变得越来越难了。
然后，几乎和对话开始时一样快，话题转向了 AI 测试。
2. AI 真的能把应用界面和它的设计稿做对比吗？
有人问，AI 驱动的测试自动化能否将实际应用界面与其 UI 设计稿进行对比，检查元素尺寸、颜色、位置和其他视觉细节。
建议很快就来了。
有人提议用 OCR 从设计稿和实际界面中提取信息。也有人建议用多模态模型。还有人对维护提出了担忧：UI 稍有变化怎么办？难道要把整套东西重建一遍？
有人开玩笑说：
实际效果能有多好？谁知道呢？
我加入了讨论。
我的回答是，技术上可行，但 AI 需要足够的上下文和足够详细的指令。随便丢一个演示页面给模型，指望它什么都懂，是走不远的。
我还指出，用顶级多模态模型做这类工作会消耗大量 token。
然后我抛出了问题：
管理层会为这些 token 买单吗？
还有：
如果不买单，那就见鬼去吧。
我又强调了一遍：
你当然可以用顶级多模态模型。但 token 消耗可能非常巨大。如果管理层不为此买单，那就见鬼去吧。
是的，我确实这么说了。😆
玩笑归玩笑，我是认真的。
证明一件事能做，和证明它值得做，是两回事。
OCR、DOM 检查、图像对比和多模态模型都能帮助做 UI 验证。正确的方法取决于你想检查什么。不是每个视觉问题都需要一个昂贵的模型。
但一旦你开始截图、送去分析、对比结果，并在多次运行中重复这个过程，账单就会迅速膨胀。
在采用这样的解决方案之前，我想知道它能捕获多少真实问题、会产生多少误报、运行成本是多少，以及当 UI 发生变化时需要投入多少精力来维护它。
如果一家公司期望测试人员使用 AI，却让他们自己为 token 付费，那就有问题了。
我见过那个群里的人开玩笑说，每天早上上班前先去各个平台收集免费额度。
这很好笑，但想一想：员工被要求拥抱 AI、提升生产力，而有些人却在想办法用能找到的任何免费额度来维持自己的实验。
如果一家公司想要 AI 驱动的生产力，AI 使用就必须纳入公司的预算。
3. AI 写代码，AI 测试它。还能出什么问题？
对话中的另一部分让我笑了。
有人描述了一个几乎完全自动化的开发流程：
描述一个需求，调用产品技能，生成演示和 PRD，调用技术技能，生成技术文档、架构、接口和框架。写代码，用 AI 生成测试，运行一切，然后发布。完成。一堆 bug 上线了。
最后那句话说明了很多。
另一个人抱怨道：
老板用 AI 生成一个演示，认定这个想法可行，然后期望所有人都去把它做出来。
另一个人补充道：
管理层期望我们交付的正是这个。
还有人开玩笑说：
听起来我们只需要老板。其他人都可以走了。
我见过这种态度是怎么形成的。演示可以看起来很有说服力，而 AI 能在极短的时间内生成数量惊人的代码。人们很容易看着那些产出，就以为困难的部分已经完成了。
但一个能运行的演示并不是一个经过验证的产品。
生成的 PRD 并不能证明需求已经被充分讨论过。生成的代码和生成的测试并不会自动对系统应该做什么达成相同的理解。
在我们自己的测试工作中，我遇到了这个问题的一个版本。
在一个知识库项目中，AI 发现了 36 个潜在缺陷，而人工测试发现了 11 个。经过审查，30 个缺陷被确认为有效。其中 21 个是 AI 贡献的。
这些数字令人鼓舞，但另一件事引起了我的注意。
报告的问题中有些其实并不是实现层面的 bug。产品和开发早已就改动达成一致，但没人更新 PRD。
AI 在遵循文档。而人们在遵循一个只存在于对话中的约定。
过去，测试人员常常靠经验和非正式沟通来弥合这道鸿沟。他们知道该问谁，也知道团队实际在遵循哪个版本的需求。
AI 没有这种上下文。
它完全按照被要求的方式执行，结果就是一份满是问题的测试报告——这些问题看起来合理，却未必是 bug。
这是我觉得 AI 测试有意思的地方之一。它测试的不只是软件，还能暴露出构建软件的人之间实际上有多脱节。
4. 为什么每家公司突然都在追逐 AI？
随着群聊继续，人们开始讨论行业，而不是个人工作。
一位成员认为，许多中国公司密切关注美国正在发生的事，当前的技术领导力很大一部分来自美国。一位成员说，中国公司密切关注美国的动向，并估计两个市场之间的差距至少有六个月。
那是他们的估计，不是我独立核实的数字。但更宏观的观察值得讨论。
很多公司似乎害怕被落下。
一家公司采用 AI 写代码，其他公司就觉得自己也需要。另一家引入 AI 测试，突然间人人都想要一套 AI 测试策略。当大型科技公司开始谈论全栈 AI 转型时，小公司就感到必须跟进的压力。
群里有人直言不讳：
大家只是照抄别处已经奏效的东西。AI 降本增效。哪个老板会不喜欢？
有道理。
但有多少公司真正想清楚了 AI 在自己业务中的位置，而不是仅仅因为竞争对手在用就跟着采用？
另一位成员提到了教育和人才培养。多年来，重点一直放在追赶和让新技术快速投入生产上。他们主张，如今需求正在转向能够创新、引领和开辟新天地的人才。
这种转变是否发生得足够快，是另一个问题。但这种对比很有意思：跟随他人的脚步和创造新事物，需要非常不同的技能。
还有一条关于管理思维的评论：
大多数公司由职业经理人经营，他们专注于熬过今年。你怎么能指望他们做长远考虑？
我理解这种挫败感背后的情绪。
当公司承受压力时，削减成本和裁员很容易衡量。建设新能力、培养人才、投资那些可能几年后才见效的想法，则要难证明得多。
AI 非常契合第一类。它在第二类的潜力是真实的，但更难保证。
5. AI 生产力是否正在变成它自己的推销话术？
一位小组成员提出了一个更愤世嫉俗的可能性：
每个人都在卖 token。他们需要制造一种印象：AI 能提高生产力，公司如果不使用就会落后。这推动所有人采用 AI。而市场本已不景气，公司可以把 AI 当作裁员的又一个理由。
我不会走到说整个 AI 生产力叙事都是人为制造的地步。我自己也用这些工具，我在测试、代码分析和缺陷发现中见过它们能做什么。
但这里存在一些值得认识的商业激励。
AI 提供商希望公司使用他们的模型。公司希望降低成本。员工则被告知需要用 AI 提高生产力。
这些利益可以相互强化，即使没有人完全理清商业逻辑。
公司采用 AI，可能是因为不想落后，而不是因为它识别出了 AI 能解决的明确问题。
而一旦 AI 就位，讨论就可能迅速从这项技术能改善什么，转向公司可以少用多少人。
群里有人指出了问题的另一面：IT 行业经历了多年的激进招聘。大量的人涌入市场，公司也迅速扩张团队。
现在市场看起来已经大不相同。
从这个角度看，AI 未必是就业压力的最初原因。它可能只是一个触发器，让本就存在的失衡变得更加明显。
我认为这是一个重要的区别。
我们不应该假设每一次裁员都是 AI 造成的。市场状况、多年的招聘、商业模式的转变以及公司决策都很重要。
但 AI 给了公司另一种重组工作的方式，这可能会加速本已在进行中的变化。
6. 我们不断加码。终点在哪里？
群聊里有一句话让我印象深刻：
我们不断试图超越所有人，直到最后把自己卷到失业。
另一个人把这种结果描述为可能的恶性循环。
IT 行业一直变化很快。群里有人开玩笑说，如果你一两年不学习，就会落后。而三四十岁的人仍在不断逼迫自己学习新东西。
我知道那是什么感觉。
新框架、新模型、新智能体、新工具。你还没完全熟悉一个，另外三个就已经出现了。
公司希望员工更有生产力。员工希望保持竞争力。AI 供应商希望更多人采用。而公司盯着竞争对手，确保自己不掉队。
每个人都有理由跑得更快。
但问题是：当每家公司都试图用更少的人做更多的事，而可用岗位的数量并没有以同样的速度增长时，会发生什么？
我们可能最终陷入一种奇怪的境地：每家公司都变得更高效，但在这个行业里工作的人却感到更不安全。
我们可能为了打败别人而拼命努力，最终却让整个局面对自己更不利。
7. 拥抱 AI，否则现在就失业。拥抱 AI，然后以后再失业。
群聊里还有一句话值得重复：
如果你不拥抱 AI，你会立刻被解雇。如果你拥抱 AI，你只是晚一点被解雇。
这是个玩笑，但并不是一个让人特别舒服的玩笑。
公司告诉员工要学习 AI、使用 AI、提升生产力。员工们尽力跟上。
但等他们变得更有生产力之后，会发生什么？
有些人担心自己最终会把自己的工作自动化掉。另一些人则担心，年龄和不断变化的就业市场会让他们在失去当前工作后更难找到另一份工作。
群里的人已经在建议其他人应该转行，或者开始为不同的方向做准备。
我不认为学习 AI 毫无意义。我也当然不认为拒绝使用它就能保住任何人的工作。
但拥抱 AI 同样不能保证工作稳定。
学习 AI 可以让你更有能力。它不能保证公司会一直需要你。
这是两件不同的事。
个人可以提升自己的技能，但他们无法控制就业市场、公司预算或每一个组织决策。
我认为把职业生存的全部重担都压在一个人是否愿意学习最新的 AI 工具上，并不公平。
最后的思考
我不想用这项投票中的 21.1% 来宣称测试行业正在经历大规模失业。
这是一个约 500 人群体中的匿名投票。只有 76 人参与，其中 16 人表示自己目前没有工作。我们不知道原因。
这不是一项全行业范围的调查。
但我认为这场对话值得记住。
人们担心失去工作，然后花时间讨论 AI 如何能帮助他们执行更高级的测试。
他们担心被 AI 取代，同时又在探索多模态模型如何改进他们的自动化。
他们担心 token 成本，同时又在寻找不同平台提供的免费额度。
他们质疑 AI 是否真的提升了生产力，同时又担心如果公司不采用 AI 可能会落后。
而我有一位前同事已经失业六个月，仍然没有找到另一份工作。这让这场对话显得远没那么理论化。
我也在拥抱 AI。我在构建 AI 测试工作流，尝试智能体和模型，并改变自己关于自动化能力的一些假设。
我看到了可能性。我不想假装看不到。
但我也不认为生产力提升会自动解决业务问题、创造新市场，或保证员工获得更好的机会。
我们可以比以前构建得更快、生成更多代码、运行更多测试、产出更多成果。
更难的问题是，所有这些额外的生产力究竟能实现什么，以及谁能从中受益。
我一直在回想一句中国成语：管中窥豹——透过一根窄管看豹子。你能看到几处斑纹，却永远看不到整只动物。
这项投票和群聊提供的正是如此：一瞥，而非 QA 行业的完整图景。76 票无法告诉我们这个问题有多普遍，一次群聊也无法解释每家公司正在发生什么。
但它确实揭示了几件值得关注的事：工作焦虑、采用 AI 的压力、关于 token 成本的争论，以及当生产力提升时究竟谁受益的不确定性。
我们可能没有看到整只豹子。但我们能看到的部分值得认真对待。
如果我们都在变得更有生产力，为什么这么多人对自己的未来越来越没信心？