第四波浪潮：人工智慧正在編寫程式碼。誰來測試它？

我稱之為「第四波」的智慧軟體開發正以前所未有的速度加速發展。前沿模型的進步、企業加速採用以及似乎永無止境的資本投入，使得智慧編碼成為史上傳播速度最快的技術之一。人工智慧智慧編碼代理（以及輔助駕駛）從根本上改變了編碼速度。在許多企業環境中，40%到50%的程式碼現在都是由人工智慧產生的，而且開發團隊的採用率也接近普及。過去需要數天甚至數週才能完成的程式設計任務，現在只需幾個小時就能完成。

但正如我們在之前關於第四波的討論中所概述的那樣，軟體交付並非單一步驟。它是一個複雜的、相互關聯的系統——涵蓋規劃、編碼、測試、安全、發布和監控——通常涉及企業中數萬名人員（現在可能還有更多代理商），遍布全球，並在嚴格的合規要求下運作。

隨著編碼速度的加快，一個新的限制變得顯而易見：瓶頸已經轉移——對於許多企業來說，瓶頸已經轉移到了測試環節。

測試一直未能跟上開發的步伐（甚至在人工智慧出現之前也是如此）。

多年來，各組織機構一直在投資改善品質保證（QA）流程。自動化框架、持續整合/持續交付（CI/CD）管線和存取自動化工具都得到了提升。但就企業規模而言，實際情況遠沒有許多人想像的那麼先進。

根據產業和系統複雜程度的不同，50%到70%的測試工作仍需要手動完成。沒錯，在人工智慧時代，許多組織仍然採用人工測試。即使是那些在自動化方面投入大量資金的組織，測試覆蓋率不足的情況也十分普遍——尤其是在行動端、Web端、效能測試和可訪問性測試方面。

數據開始印證這一點。近期產業分析發現，人工智慧產生的程式碼拉取請求平均問題數量遠高於人工編寫的請求——邏輯錯誤、正確性錯誤和安全問題都明顯更多。開發者的信心也未能跟上人工智慧程式碼普及的步伐：調查始終顯示，大多數開發者對部署人工智慧產生的程式碼缺乏信心，而且相當一部分團隊已經因此回滾了版本。程式碼發布量不斷增加，隨之而來的問題也越來越多。

即使實現了自動化，也往往難以擴大規模。

不同企業之間呈現一致的模式：

• 隨著應用程式的演進，測試套件會變得脆弱不堪。
• 腳本與程式碼庫不同步
• 維護成本成長速度超過覆蓋範圍。

產業估計表明，40-50% 的自動化測試失敗並非真正的缺陷，而是由於應用程式的變化、環境不穩定或測試資料問題造成的。

換句話說，相當一部分測試工作都耗費在追逐噪音上。

人工智慧改變了試題創建方式——但也揭露了新的限制

人工智慧正大幅簡化自動化測試的生成過程。曾經是自動化最大的障礙之一——測試創建——正在迅速消失。但這並沒有解決問題，只是轉移了問題。

隨著測試生成速度的加快，測試的複雜度也隨之增加：

• 隨著人工智慧產生的程式碼數量呈指數級增長，測試量也隨之增長。
• 隨著應用程式更新頻率的增加，測試結果與測試結果的同步性下降速度也會加快。
• 跨裝置、瀏覽器和環境的執行需求不斷增加
• 要回答「為什麼測驗會失敗」這個問題，就變得更加複雜了。

創建測試從未如此容易，但要確保測試在大規模應用中真正可靠卻從未如此困難。

真正的瓶頸：考試結束後的一切

在第四次測試浪潮中，測試的限制不再是創建測試案例，而是協調、執行和運行測試案例。在大型企業中，大量時間並非用於發現缺陷，而是用來理解測試結果。研究和行業基準表明，在自動化環境中，高達 50% 的品質保證和工程時間都用於故障分類——回答一些基本但至關重要的問題：

• 這是應用程式的實際缺陷嗎？
• 測試結果與程式碼不同步嗎？
• 環境是否引入了不穩定性？
• 問題是出在數據還是配置？

這就是現代自動化測試的隱性成本。在行動和 Web 環境中，這種成本尤其突出，因為這些環境的變異性是常態。設備碎片化、作業系統差異、網路狀況以及第三方依賴項都會引入難以模擬的複雜性，調試起來更是難上加難。

規模擴大後，這會產生疊加效應：

程式碼越多 → 測試越多 → 失敗越多 → 診斷耗時越長 → 交付速度越慢。

價值創造方式的轉變

在前幾波浪潮中，測試的主要價值在於從手動測試轉向自動化測試。在第四波浪潮中，人工智慧使自動化變得前所未有的輕鬆。新的價值創造機會已轉移到另一組不同的能力：

• 保持測試與快速發展的應用程式之間的一致性
• 在複雜的管道中協調智慧的、基於風險的測試執行
• 在能夠準確反映生產環境的真實環境中擴展執行能力
• 加快根本原因分析，以減少故障分類過程中浪費的時間。

這就是大多數企業目前面臨的限制點。他們可以更快地開發產品，甚至可以更快地產生測試案例，但無法以與開發速度相同的速度驗證產品品質。

為什麼現在如此重要

品質不再是下游的檢查點，而是最終加速價值流動、從而兌現第四波承諾的關鍵因素。

當測試無法跟上進度時：

• Release 儘管發展速度加快，但周期卻放慢了。
• 缺陷會洩漏到生產環境中
• 客戶體驗下降
• 監管和合規風險增加

更重要的是，人工智慧驅動發展所承諾的效益從未完全實現。

大規模自主測試的必要性

這就是為什麼我們看到測試領域正在轉向智慧、自主的測試平台——這些解決方案旨在解決的不僅是測試的創建，而是人工智慧驅動的世界中測試的整個生命週期。

像平台一樣 Digital.ai 測試重點在於新的瓶頸：

• 透過人工智慧驅動的自我修復保持測試同步
• 在真實設備和環境中大規模執行
• 跨管道智慧地協調測試
• 透過更快的根本原因分析來縮短分流時間

第四波浪潮需要他們所有人。

戰略意義

第四波浪潮正在重新定義軟體生命週期中價值的創造環節。編碼不再是主要瓶頸，瓶頸存在於編碼的上游和下游。在許多組織中，測試就是這些瓶頸之一。這並非因為測試案例不足，而是因為缺乏大規模的測試管理、執行和從中學習的能力。

那些認識到測試領域亟需創新的組織，將充分釋放人工智慧驅動開發的潛力，並在第四波浪潮中蓬勃發展。而那些未能體認到這一點的組織，即使其編碼能力不斷提升，也會發現自己受到品質瓶頸的限制。

因為在這種新環境下：

編寫程式碼很容易，難的是保證品質。

第四波浪潮的贏家不僅會開發出更多軟體，他們還將以機器速度交付高品質、高彈性的應用程式。

更聰明的軟體。更有效率的反應速度。規模化的高品質。