學會一把好鎚子之後，最大的風險是看什麼都像釘子。這篇退後一步談策略：自動化是手段，不是目標。決定「什麼值得自動化」的判斷，比自動化本身更值錢。業界近兩年的調查都在講同一件事：幾乎每個團隊都在測試裡導入了 AI，但真正回報顯著成效的仍是少數——差別不在工具，在策略。而這個判斷，正在成為測試人員的新核心。

兩個軸，四個象限

圖 1：重複頻率 × 判斷成分的決策象限

值不值得自動化，兩個軸就能定位。

橫軸是判斷成分：結果能不能寫成明確的對錯規則？「訂單金額應為 350 元」可以；「這個頁面看起來專不專業」不行。

縱軸是重複頻率：這個檢查多久做一次？每次發版都做的回歸是一端，一次性的驗證是另一端。

左上（高重複、低判斷）是自動化首選：回歸、冒煙、多環境驗證。機器做得比人好，人做這些是浪費。右邊（高判斷）留給人：探索性測試、易用性評估、新功能的第一次檢視，價值恰恰在人的、無法規則化的直覺。

左下角值得注意，它的邊界被工具移動了。以前頻率不高的檢查不值得花人力自動化；現在 AI 把撰寫成本壓得夠低，順手自動化變得划算。象限沒變，線移了。

但這裡要加一個務實的提醒：AI 降低的是「寫測試」的成本，不是「養測試」的成本。每一條自動化測試都是要維護的資產——它會因為 UI 改版而壞、因為環境不穩而閃爍（flaky）、因為沒人敢刪而堆積。業界這兩年最常見的失敗模式，不是自動化太少，而是用 AI 大量生產測試之後，被維護量和誤報淹沒，紅燈失去公信力，最後大家對整個測試套件視而不見。所以左下角的正確用法是「順手」，不是「全面掃射」：進象限的門檻降低了，但「這條測試壞掉時有沒有人會在乎」這個問題，AI 沒有幫你回答。

同一個象限內，還要選對層

決定「要不要自動化」之後，還有一個常被跳過的決定：「在哪一層自動化」。同一條業務規則，能用 API 測試驗證的就不要開瀏覽器——更快、更穩、更便宜。業界調查裡 API 測試的自動化率長期遠高於 UI 測試，不是因為 UI 不重要，而是大家用維護成本投票的結果。UI 自動化（也就是這三十天的 Playwright）應該集中在「使用者旅程真的走得通」的關鍵流程上，而不是把每一條輸入驗證規則都從畫面點一遍。

一個象限放不下的新東西：AI 功能本身

如果你的產品已經內建了 AI 功能（推薦、摘要、對話），你會發現它放不進這個四象限——因為它的輸出不是確定性的，「寫成明確對錯規則」這個橫軸本身就失效了。這類功能的驗證是另一門手藝：用評估集（evals）給輸出打分數、設品質基準線、抽樣人工複核，而不是斷言某個固定字串。這超出本系列範圍，但策略上你得知道它的存在：別硬用傳統斷言去測機率性的輸出，也別因為測不了就不測。

同一個道理反過來也成立：AI 適合幫你發想測試、產生資料、分析結果，但測試的「執行」和「放行決策」需要的是一致性和可解釋性。讓 AI 寫測試，讓確定性的程式跑測試，讓人做放行的判斷——這個分工目前業界的共識相當一致。

探索性測試：不是還沒自動化的測試

要特別正名。探索性測試不是自動化的候補，是另一種活動。

自動化回歸驗的是「已知該對的事還對著」；探索驗的是「有沒有沒人想到的問題」。前者是警報器，後者是偵察兵，誰也替代不了誰。這幾年 AI 讓「已知檢查」的產能大增，反而凸顯了另一邊的稀缺：機器可以窮舉規則，但注意到「這個流程怪怪的」仍然是人的專利。

而且兩者有生產關係：探索發現的問題，固化成自動化測試，防止復發。探索是自動化的上游供應商。健康的策略裡，自動化越完備，測試人員反而有越多時間探索，不是越少。

時間的去向：誠實回答那個問題

圖 2：時間從重複執行流向設計、探索與把關

「AI 加自動化會不會取代測試人員？」被取代的是「重複執行」這件事——每次發版把同樣的東西再點一遍。這部分本來就該給機器，它更快、更穩、不會恍神。

人的時間流向四個去處：測試設計與策略（本篇在做的事）、探索性測試（機器做不了的）、審查 AI 產出、紅燈判讀。

四件事的共同點：都需要「知道什麼是對的」的判斷力，那是你多年測試經驗的沉澱。業界的職缺數據也印證這個走向：World Quality Report 連續兩年指出，生成式 AI 已是品質工程師最被需要的技能，而多數組織自認缺乏這方面的人才——缺口就是機會。前提只有一個——你得主動站到這些位置上，而不是守在執行的位置等被比較。

把策略寫下來，一頁就好

策略要能溝通才有用。建議產出一頁「測試策略備忘」，四塊內容：

圖 3：一頁測試策略備忘的四塊內容

• 哪些流程進自動化回歸，附標籤對應。
• 哪些場合跑哪些集，分層策略——包含哪些檢查放 API 層、哪些才值得上 UI 層。
• 哪些領域定期探索，C 級清單就是起點。
• 紅燈的處理約定——誰看、多快看、什麼情況擋發版。

這頁的價值在對齊：主管知道錢花在哪、開發知道紅燈的分量、新人知道從哪接手。每季用實際數據回顧一次——哪類 bug 漏進了正式環境？測試套件的閃爍率和維護工時有沒有失控？那就是策略該調的訊號。