2022 年，我參加了人生第一次鐵人賽，題目是《QA 三十天養成日記》，硬是撐完了 30 篇。

四年後的今天，我在開賽前，把那 30 篇在大致重頭讀了一次。

先說 2022 年「學一件事」是什麼樣子

那時候我剛從前端轉 QA 沒多久，基本上什麼都剛學。

想學 Robot Framework，流程大概長這樣：

• Google 搜「robot framework 教學」，一口氣開 10 個分頁
• 前 5 篇是幾年前的舊文，版本對不上，照著做就報錯
• 第 6 篇 Stack Overflow 有解，但他的情境跟我的不一樣
• 官方文件確實有寫，但當時的我看不懂它在講什麼
• 自己刻一個小專案，跑起來，錯了，再回去 Google
• 來回兩天，終於通了

通了之後，我一定會做一件事：把它寫成筆記。

不是為了流量，是因為不寫下來，以我的腦袋大概過兩個月我百分之百又忘光XDD

在那個時候，我要「學會一件事」跟「反覆查詢 + 手刻練習 + 整理成文字」幾乎是同一件事。

四年後，同樣的問題我丟給 AI

現在我再問一次同樣的問題。

「Robot Framework 的專案架構該怎麼分層？」

AI 可能五分鐘後給我一份完整的目錄結構，附上每一層的職責說明，還可能主動提醒我某個寫法在新版已經改掉了。

比我 2022 年花兩三天寫出來的那篇，更完整、更正確、而且是最新版本。

我再問「Test Case 和 Test Suite 差在哪」，答案一樣完勝我當年寫的那篇。

這件事對於 QA 軟體測試的我人來說，衝擊其實不小。

因為過去我要花兩三天才換得到的東西，現在五分鐘就有了。

所以意識到了

學習技術門檻被徹底的壓平

以前不會寫自動化測試的人，現在也能寫出一支能跑的測試。

但也就是從這裡開始，我卡在一個問題上。

反思：那對於我來說，還剩下什麼？

這才是我這 1-2 年中真正想問的問題。

如果取得知識的成本這麼低

• 不會寫自動化測試？ => AI 可以幫你生
• 不知道測試案例怎麼設計？ => AI 可以幫你列
• 看不懂 error log？=> 貼給 AI，它會告訴你 root cause

那一個做 QA 軟體測試的人，價值到底變成在哪裡？

我最怕的發展會慢慢變成這樣：

小明：「這個 Bug 是什麼原因？」
小美：「AI 說是快取沒清。」
小明：「好，那就這樣寫進報告吧。」、「好，那就直接 merge PR 吧。」

當 AI 的答案直接變成結論，中間那段「判斷」就消失了。

而 AI 之所以能這麼快給出答案，是因為它非常擅長回答「這是什麼」。

但它不擅長回答另一種問題：在什麼條件下，這件事會變成另一個樣子。

同一個 Bug，出現在趕上線的活動頁，跟出現在金流流程，處理順序完全不一樣。
同一套測試策略，十個人的團隊跟百人的團隊，長出來的形狀也完全不同。

這種問題沒有標準答案，只有「我在這個情境下選了什麼、為什麼這樣選」。

AI 吃掉的是「知識」，還沒吃掉的是「判斷」。
（當然！AI 勢必還是會有幻覺的，後續的章節會提到該怎麼驗證跟調整）

而判斷力這種東西，是用進廢退的。

我這一季不打算寫「AI 會不會取代 QA」這種議題
畢竟這種議題已經出現在所有職業中，就不討論了

我想寫的是另一個更實際的問題：

當 AI 把技術門檻壓平之後，我們要怎麼確保自己是駕馭它的那一個，而不是被它牽著走的那一個？

這個議題再 2022 左右 AI(ChatGPT)開始盛行時，我也就有部分意識到，但當時的 AI 還沒有這麼強，所以意識也就沒有這麼強烈了

接下來 30 天，我會從三個方向來回答：

• Skill、知識庫：怎麼把個人腦中的判斷，套用在 AI Agent 上且能正確的重複調用的資產？
• AI E2E 測試：進化整合 E2E 測試，讓 AI 執行 E2E 並跑自動化測試，該怎麼精準的執行？
• AI Agent 測試：當「正確答案」不只一個，驗證唯一標準失效了，我們測試該怎麼做？

參考

• 2022 系列：《QA 三十天養成日記》