测试提前发现风险，为什么绩效常常不如开发
测试的产出是隐形的，AI时代更是有个事儿一直让做测试的朋友挺憋屈的。开发的产出可以数，多少个需求、多少行代码、多少个接口。测试的产出呢，拦住了多少个本来会上生产的bug，减少了多少返工，这些算哪里？以前就不好算，现在更难了。AI把开发从“数周”压到“数小时”，显性产出被放大了；测试嵌进CI实时跑，短期看不见“测了多少”；坚守传统节点，又被说拖交付。METR做过统计，约一半通过SWE-bench Verified的AI代码方案，真实项目维护者会拒绝。OpenAI自己也在2026年2月弃用了SWE-bench Verified，因为发现59.4%的最难任务测试用例本身有缺陷。测试过了不等于是对的，这个道理大家都懂，但度量体系没变，绩效评定还是看显性产出，测试岗的处境就一直是这样。
发布于 湖南
分享
评论
赞
未登录
友善发言
评论
加载中
