Leapwork近期发布的最新研究显示，尽管人们对 AI 驱动的软件测试信心快速增长，但准确性、稳定性和持续的人工投入，仍是团队愿意在多大程度上信任自动化的决定性因素。 这项研究基于全球 300 多名软件工程师、QA 负责人和 IT 决策者的反馈，结果表明，企业将 AI 视为未来测试的核心，但前提是 AI 能够提供可靠、可维护的结果。
调查显示，88%的受访者表示 AI 已经成为其组织测试战略的优先事项，近半数将其列为关键或高优先级事项。乐观情绪同样高涨，80%的人相信未来两年 AI 将对测试产生积极影响。但应用仍不均衡，尽管 65%的人表示已在部分测试活动中使用或探索 AI，但目前仅有 12.6%在关键测试工作流中全面应用 AI，反映出谨慎、渐进式的落地态度。
热情与信心之间的差距，主要源于对准确性和测试稳定性的担忧。超过半数（54%）的受访者表示，对质量和可靠性的顾虑阻碍了 AI 的更广泛应用。团队提到的最大挑战包括，测试用例脆弱、难以跨系统实现端到端的流程自动化，以及维护更新测试所需的时间。事实上，45%的人表示，在关键系统变更后更新测试需要三天或更久，这拖慢了发布周期，并削弱了对自动化的信任。
人工投入同样在持续限制进展。目前平均只有 41%的测试实现了自动化。71%的受访者认为测试用例编写是最大的瓶颈，其次是测试维护（56%）。超过半数的受访者（54%）表示时间不足是采用或改进测试自动化的主要障碍，这也解释了为何许多团队在部署 AI 时仍保持谨慎。
Leapwork 首席执行官 Kenneth Ziegler 表示，“测试团队是否会在工作中运用智能体的能力，这已经不再是问题。问题在于他们能多有信心、多可预测地依赖它。我们的研究表明，团队希望 AI 帮助他们更快地推进、扩大覆盖范围并减少工作量，但准确性仍是基本要求。真正的机会在于将 AI 与稳定的自动化结合应用，让团队在不牺牲结果可信度的前提下获得速度与规模。”
研究结果表明，企业将 AI 与成熟、稳健的自动化底座结合，而非将其视为独立的解决方案，才能实现最大的价值。随着系统日益复杂、变更愈发频繁，在创新与可靠性之间取得平衡的团队，将更有信心规模化落地 AI 驱动的测试。
Leapwork 的调查与行业内多项研究结论一致：
Puppet 很具影响力的 DevOps 调查显示，高绩效团队在测试自动化、稳定性和快速反馈环上投入显著更多，而 CI/CD 流水线不稳定的团队交付速度更慢、对自动化信心更低。在其2024年DevOps现状的报告中，Puppet 指出，拥有成熟自动化测试实践的团队在可靠性、交付周期和部署频率等方面表现更佳，但前提是测试可靠且易于维护。不可靠或不稳定的测试被列为自动化交付流程的首要阻碍之一。
GitLab年度调研收集了数千名开发者与 DevOps 从业者的反馈，发现超过 70%的受访者认为 AI 将重塑软件开发工作流，包括测试与安全。但与 Leapwork 的发现类似，目前只有少数人在生产工作流中深度使用 AI 工具。许多受访者对可信度、可解释性以及与现有工具链的集成表示担忧，尤其是在受监管或企业级场景中。
Tricentis全球质量报告对全球企业开展调研后发现，各类测试（单元、功能、性能等）的自动化覆盖率平均在 30%–50%之间，与 Leapwork 约 41%的结果相符。受访者再次将维护成本、测试不稳定、缺乏熟练人才列为进一步提升的主要制约因素。报告还指出一个新兴趋势：AI 辅助测试生成工具正受到关注，但由于风险与准确性顾虑，许多团队不愿完全取代人工验证。
DORA研究（通常通过 Google Cloud 发布）虽然并非只聚焦 AI，但其结果强调，拥有成熟的测试自动化、可观测性和故障恢复实践的团队，在部署频率、变更交付周期等关键指标上的表现要优于同行。在近期版本中，DORA 调查加入了 AI 工具相关的问题。反馈显示，在 DevOps 工具中采用 AI 功能的团队，同样在可观测性和自动化验证上投入巨大，这表明 AI 在坚实的自动化基础之上效果最佳。
IDC发布的更广泛企业AI调查显示，尽管 60%–70%的公司正在各业务部门试点 AI 场景，但仅有 20%–30%将 AI 部署为稳定、生产级的应用。被问及原因时，受访者提到了治理风险、人才短缺和运营复杂度，这与 Leapwork 受访者对测试工具采用持谨慎态度的原因相似。
查看英文原文：Leapwork Research Shows Why AI in Testing Still Depends on Reliability, Not Just Innovation
