测试运用AI定位隐性bug，落地难点在哪
AI测试喊了好几年了，但真正落地的没几个。信通院的数据说约90%的企业已开展AI测试实践，却仅有15%实现全公司级落地。90%在试，15%在用。这中间的差距，就是落地的难点。第一个难点是AI根本发现不了它没见过的问题。多模态大模型在导航上表现不错，但在自主发现缺陷上完全不行。AI会优先完成任务而不是报告异常，系统缺陷经常被误认为是Agent自己的错误。AI测试在回归测试等结构化场景中表现突出，但在探索性测试与未知风险识别上仍需人机协同。换句话说，AI擅长测你让它测的东西，不擅长发现你没想到的东西。第二个难点是隐性逻辑缺陷AI根本看不懂。UI异常、逻辑断层、跨端兼容失败，这些问题在AI组件上线后出现频率远高于传统应用。智能体的内部状态无法被白盒观测，一个客服智能体需要在132种设备组合上测试。环境依赖多到爆炸，AI根本测不过来。AI能覆盖六成左右的常规测试任务，但真正致命的那0.2%的隐性Bug，AI往往完全漏掉。测试人员花了大量时间教AI怎么测，结果发现AI测出来的问题自己早就知道了。AI没帮你省时间，反而让你多了一堆新活。AI测试落地最大的难点不是技术，是"到底该信AI多少"。
发布于 四川
分享
评论
赞
未登录
友善发言
评论
加载中
