文章总结： 软件测试行业面临质量责任分配问题，测试人员影响力增强但质量责任仍分散。测试团队多依据传统指标而非业务成果评估，开发者对AI处理关键质量任务持怀疑态度。现有工具链不适应持续质量管理，AI测试面临学习过程、文化抵制等挑战。未来应采用混合模式，结合专业质量管理团队与开发团队分散的质量责任制，并将质量指标与业务成果对齐。 综合评分： 88 文章分类： 软件测试,安全建设,AI安全,应用安全,安全运营

软件测试人员是否对持续质量负责？

河南等级保护测评

2025年12月16日 00:00 宁夏

以下文章来源于豫说网数安 ，作者何威风

豫说网数安 .

网络安全人人有责，贯彻网络安全为人民，网络安全靠人民。网络安全和信息化是相辅相成的。安全是发展的前提，发展是安全的保障，安全和发展要同步推进。

软件测试行业正处于一个关键时刻。2024年全球软件测试市场规模达到524.5亿美元，预计到2025年将增长至超过570亿美元。企业需要以前所未有的速度和质量标准交付新功能。然而，尽管开发人员努力开发新功能，质量保证却无法跟上步伐。

所以问题是，测试人员是否应该对质量负责？如果应该，他们是否拥有合适的工具来做到这一点？

测试人员是否主导了质量决策？

但他们的影响力正在增强。在86%的组织中，测试团队现在对产品发布准备工作拥有发言权，高于去年的81%。然而，这一数据也揭示了一些令人担忧的问题。在14%的公司中，测试人员仍然缺乏决策权，他们被限制在纯粹的执行角色中，无法参与战略决策。

还观察到一个明显的演变趋势：测试人员的意见越来越多，但持续质量保证的责任仍然分散在开发团队中。只有22%的组织完全由专职测试人员完成测试工作，而32%的组织表示，10%到50%的测试工作是由非专职团队成员（例如开发人员和产品负责人）完成的。

测试团队是否拥有质量指标？

测试团队的考核主要依据传统的质量指标，而非业务成果。同一份《2025年测试现状报告》显示，56%的团队以测试覆盖率指标进行评估，54%以缺陷指标进行评估，45%以测试执行指标进行评估。令人担忧的是，仅有14%的团队以净推荐值（NPS）进行评估——NPS是一项直接影响业务的指标，而这一比例较上一年的18%有所下降。

测试人员衡量的内容与企业创造的价值之间存在脱节，这带来了一个根本性问题。团队关注的是活动而非结果，这使得向组织领导层展示质量工程的战略价值变得困难。

开发者对人工智能在高质量任务方面的信任度究竟有多高？

开发者对人工智能处理质量关键型工作持怀疑态度。Stack Overflow 2025年对超过49,000名开发者进行的调查发现，76%的开发者不打算使用人工智能进行部署和监控任务，而69%的开发者抵制将其用于项目规划。他们遇到的主要问题是“人工智能解决方案差强人意”，这会增加调试时间。

尽管现在大多数软件开发专业人员都在使用人工智能工具，但我发现人们对人工智能生成代码准确性的信任度实际上有所下降。调查结果也印证了这一点，数据显示，人们对人工智能生成代码的信任度逐年下降，从40%降至29%。在关键时刻，75%的开发人员仍然倾向于向同事寻求帮助，而不是依赖人工智能。

如今，真正持续的质量控制面临哪些阻碍？

现有的质量工具链并非为持续质量管理而设计。虽然许多组织拥有成熟的测试自动化框架，但大多数框架无法与他们的CI/CD流水线无缝集成。

能够自动生成和维护端到端测试而无需人工干预的系统更是寥寥无几。这种差距迫使质量保证团队被动应对，他们不得不花费大量时间更新脆弱的测试脚本，而不是验证新功能。

人工智能测试面临哪些挑战？

当各组织探索利用人工智能来帮助弥合测试速度和覆盖范围方面的差距时，他们很快就会遇到人工智能本身无法解决的新挑战。

人工智能生成的测试需要一个学习过程，并且会受到一些文化上的抵制。

团队很难信任人工智能生成的测试用例，尤其是在人们习惯于完全掌控测试套件的情况下。为了克服这个问题，可以先在非关键领域开展试点项目，让团队在保持人工监督的同时逐步建立信心。

人工智能的“黑箱”特性使得理解其决策变得困难。

团队常常难以理解特定测试的生成原因，或者自愈机制是如何做出决策的。这种缺乏透明度会导致测试团队出现严重的犹豫不决，并减缓其采用速度。

存在大量的基础设施和数据需求。

一些人工智能测试平台需要历史测试数据、全面的应用日志和完善的需求文档才能有效运行。LambdaTest通过提供对GitHub代码库的可选访问权限，并让智能体从PR中真实的开发对话中学习，从而克服了这一难题。但对于拥有遗留系统或文档不足的组织而言，可能需要为人工智能原生测试创建一些文档。

存在放大测试覆盖率中现有偏见的风险。

如果以往的手动测试忽略了某些极端情况，人工智能可能会延续这些漏洞。因此，应定期审核人工智能生成的测试用例，并采用混合测试方法，由经验丰富的测试人员审查和验证人工智能的测试结果，尤其对于高风险功能而言更是如此。

除了人工智能之外，还必须考虑其他补充策略。

企业应将人工智能工具与诸如通过开发者主导的测试、严格的代码审查实践和共同的质量所有权等策略相结合，从而实现质量左移。同时，还应投资于OpenTelemetry、DataDog 或SigNoz等可观测性和监控工具，以获取实时质量信号。

此外，人工智能原生测试平台已变得越来越普遍，可用于自动化测试创建、维护和分析，从而帮助测试人员将精力集中在策略和探索性测试上，而不是脚本维护上。

质量责任的未来发展方向是什么？

数据表明，混合模式正在兴起，质量责任日益分散。自动化也减少了非测试人员维护测试所需的时间。在我看来，结论很明确：软件测试人员并非持续质量管理的唯一责任人，也不应如此。

最有效的方法是将专业的质量管理团队与分散在各个开发团队中的质量责任制相结合。要成功做到这一点，需要将质量指标与业务成果保持一致，同时投资于技术和沟通技能，并在保持质量工程战略独立性的同时，将质量思维融入到整个组织中。

查看原文：《软件测试人员是否对持续质量负责？》