测试工程师如何面对AI焦虑？

我最近在写一些代码，带团队之后基本没有了自己写代码的机会。我对Java和React不熟，之前写最多的还是ruby，rubyconf的tshirt和卫衣都一直有穿。

所以重新打开IDE之后，我担心进度会不如预期。毕竟我们的编程习惯：search in google，copy from stackoverflow，遇到问题的时候，总需要各种搜索，最后实验出来一个方案，这个过程其实挺花时间的。

然而，当我装了通义灵码之后，我操，AI真他妈香！search in google，copy from stackoverflow 那是远古时代了吧。我现在的编码方式变成了：

1. 先理解需求，把需求拆的碎一点，最好拆成函数级别
2. 找到对应代码部分，先让通义灵码 explain code，还得理解下前人挖的坑
3. 把第一步拆出来的东西，告诉通义灵码，比如请用mybatis 针对某表实现一个分页查询；
4. copy from 通义灵码，把代码集成进来。（如果对第三步生成的代码不满意，可以继续让它细化）
5. 再让通义灵码自己读一遍，再 explain 一遍。
6. 最后运行

我重新编码的这几个礼拜，ask 通义灵码，copy from 通义灵码，我一度产生了幻觉：我莫非也是个Java熟练工，至少写业务代码不带怵的。不得不说，AI能力在编码上的提效是非常惊人的，那我们还需要那么多代码工人么？特别是业务级别的前端，后端。我开玩笑的和同事说，结合类似通义灵码这样的AI编码助手，随便找个外包，培训一两周，可以胜任大部分业务编码能力了。

前几天，看了一个短视频，说在美国出现了一种叫AI公司顾问的角色，帮助企业评估工作的含AI率，来判断公司可以裁多少人，视频中举了个例子，说某华人公司老板一开始说都是兄弟朋友，不好裁，不如先试用下AI工具吧，结果1个月下来，发现大部分工作都是AI可以完成的，于是乎大刀一挥，200多人公司砍到31人，其中某个部门只留一个人，就是用AI最6的那个。

然后，6月1日的时候，麦肯锡全球研究院发布了一份《工作的新未来：在欧洲及其他地区部署人工智能和提升技能的竞争》的报告，

报告认为包括德国在内的多个国家劳动力市场将因人工智能而出现重大变化。报告说，随着人工智能技术的快速推广，劳动力市场将迎来重大变革。预计到2030年，生成式人工智能将帮助美国和欧洲近三分之一的工作时间实现自动化。人工智能的快速发展可能使就业市场两极分化。一方面，高技能和高薪岗位难以招募到合适人才；另一方面，低薪行业可能出现劳动力过剩的情况。预计在欧洲，高薪职位的比例将增加1.8%，而低薪职位比例将减少1.4%。

毋庸置疑，AI已经开始改变人类世界。尽管很多人和AI无关，但是我们不得不承认，而且这个速度非常非常的快。我的体感就是每次打开B站，都会有新的AI相关的视频出来；几乎每周都有“xxx模型问世，吊打chatgpt4”、xxx模型生成视频、原画、音乐，从业人员要失业了等等的自媒体文章。这两天就有个chatTTS出来，B站视频底下一堆，配音员要失业的言论。这趋势就感觉是你不去了解AI，AI就会革了你命一样。以前都是你的同行在卷你，现在AI也来卷你。

那回到软件测试，软件测试会被AI取代么？我其实觉得还好，毕竟写代码的更加容易吧？前不久TesterHome公众号还发了一篇文章《感谢人工智能，“编码”员不再是王者：质量保证工程师万岁》（古老师，这里要换成公众号文章链接），里面说：现在有了人工智能的帮助，编写代码只需要一天的时间，但测试这些“马马虎虎”的代码却需要两天的时间。我当时转了这篇文章，评论区有人说那估计不止2天。所以就像前面说的AI顾问一样，我们得评估自己工作的可AI替代占比。一个软件测试工程师的日常活动包括，理解需求，测试分析，执行用例，追踪缺陷，和研发、产品、项目经理扯皮，背锅等。

从AI进入测试圈子开始，其实大部分都聚焦在AI赋能测试分析，执行用例等上。去年年底我写了一篇《你们的AI赋能测试，成功没？》—— 你们的AI赋能测试，成功没？，我说“AI赋能测试这个事情，它可以慢，但是它不能停。技术的前进，总是跌宕起伏，伴随着各种问题，最后慢慢沉寂，变成少数人的坚持，而这少数人的坚持突然有一天有了结果，就会又带来一波高潮。”半年过去了，我在看各个测试大会的时候，基本还是这些，因为我知晓一些课题，所以我知道现实并没有ppt讲的那么好，但是这半年也的确取得了非常大的进步。很多一线测试会对这些高大上的ppt天然抵触，认为不落地，不接地气，其实我觉得大可不必，毕竟能拿出来讲的，肯定是他们淌过的路。

再回到软件测试是否会被AI取代这个话题，我觉得有2点我们要接受（AI顾问那个视频里也是同样的观点）：

1. AI的趋势不可逆
2. 裁员是肯定的，AI带来的增效肯定会减员

所以作为软件测试工程师，或者更广义一点，作为社会人，如何才能避免AI焦虑呢？

1. 去学习了解AI是什么？按流行的话说就是要祛魅。
2. 接受AI带来的改变，遇到问题，多想想用AI是否能解决，从而形成自己基于AI的解决方案思路。
3. 拥有自己的AI工具集，就像我们日常的工具一样，比如用百度搜索变成用通义千问或者chatGPT。

最后最重要的就是保持学习，我今天问了通义千问，如何入门大模型，通义千问给了我一个从入门到放弃的大纲。

对于我这种人到中年的技术人员，学习这个的确有点难，但是学习这个东西，最好的时机是昨天，第二就是现在。所以花点时间来看看大模型下的测试创新吧，中国互联网测试大会上海站，将为大家带来LLM专场，届时有多个和测试相关的议题给到大家，欢迎和大家一起切磋交流：

1. 基于大模型AI应用：在小程序自动化测试场景的难点和解决方案 —— 蚂蚁集团
2. 基于AIGC的测试提效实践及优化 —— 酷家乐
3. 垂直大模型评测解决方案 —— 智慧芽信息科技
4. 在线广告算法质效体系建设 —— 美团
5. BVQA-GPT 大模型无参画质评测解决方案 —— 蚂蚁集团
6. 基于AI模式的用例增强能力的探索以及实践落地 —— 荔枝集团