脚本式自动化测试，还是 AI 时代的必然选择吗？

在国内很多测试交流群里，经常会看到一个有意思的现象：
一边是大家在讨论 AI、自动化、DevOps；另一边，很多企业的测试工作仍然停留在 大量人工点击界面 的阶段。

这其实说明一个现实问题：

自动化测试的重要性已经被普遍认可，但真正落地的比例仍然很低。

那么问题来了：

在 AI 时代，脚本式自动化测试还是必然选择吗？

我个人的答案是：未必。

---

一、中国仍然存在大量人工测试

首先必须承认一个现实。

在国内大量企业中，尤其是：

• 金融机构

• 政企系统

• 传统软件公司

测试流程依然是：

需求完成
↓
人工点界面
↓
人工记录结果
↓
人工写测试报告

这种模式的问题显而易见：

• 回归成本极高

• 人力消耗巨大

• 质量依赖个人经验

而 AI 时代的软件开发节奏正在发生变化：

• 代码生成速度大幅提升

• 迭代频率更高

• 系统复杂度更高

如果测试仍然停留在人工阶段，很容易出现一个局面：

开发速度已经进入 AI 时代，测试仍然停留在工业时代。

---

二、脚本式自动化测试的门槛其实很高

很多企业在尝试自动化测试时，第一步往往是选择脚本式工具，比如：

• Unified Functional Testing

• Selenium

• Playwright

理论上很好，但现实中经常遇到一个问题：

脚本的复杂度远超预期。

自动化脚本并不仅仅是“写几行代码”，它往往涉及：

• 对象定位策略

• 框架设计

• 异常处理

• 同步等待机制

• 数据驱动设计

• CI/CD 集成

如果团队没有较强的开发能力，很容易出现一种情况：

业务还没测试完，先开始测试自动化脚本本身。

换句话说：

测试脚本本身也需要测试。

这就形成了一种奇怪的循环：

业务测试
↓
自动化脚本
↓
脚本调试
↓
脚本维护
↓
继续调试脚本

最后团队会得出一个结论：

自动化太复杂，不如人工点。

其实，我在项目实施过程也碰到过类似的问题。我记得几年前，一个世界性金融组织购买了我的产品和服务。培训后，各类抱怨接踵而至。银行的QA团队，通常外包，由于考核方式不一样，他们对QA服务的利润是“时间”，而不是能否完成任务。而这些抱怨在UFT中应该更多。这些团队的做法通常是大事小事全ticket，等UFT的支持团队完成。这时，测试经理会妥协到：你还是用人工测试吧。所以，“搞不起来”最后变成了人工+开会的“混合测试”。

---

三、AI 可以生成脚本，但审计问题更严重

AI 的出现，让自动化脚本生成变得非常容易。

现在用 AI 工具，可以快速生成：

• Selenium 脚本

• Playwright 测试代码

• API 测试脚本

表面看，这是效率提升。

但企业级软件会出现一个新的问题：

测试脚本的审计。

在大型系统中，自动化测试往往包含：

• 数千个测试脚本

• 数万行测试代码

如果这些脚本是 AI 生成的，那么问题来了：

• 谁负责审计这些脚本？

• 如何保证脚本逻辑正确？

• 如何确保脚本覆盖业务场景？

更现实的一点是：

AI 生成代码的速度，远远超过人工 review 的速度。

于是会出现一种风险：

开发代码 → AI 生成测试脚本 → CI/CD 自动执行

但中间 缺少有效审计层。

测试脚本反而变成了新的“黑盒”。

---

四、无脚本模式的优势正在显现

因此，越来越多企业开始关注另一种模式：

无脚本自动化测试（Scriptless Automation）。

这种模式的核心特点是：

1️⃣ 可读性

测试步骤不再是代码，而是类似：

打开交易窗口
选择账户
输入金额
提交交易
验证结果

业务人员也可以理解。

---

2️⃣ 可审计性

在企业环境中，尤其是金融行业，测试往往需要：

• 审计

• 合规

• 可追溯

无脚本模式天然更适合：

• 审计检查

• 质量评估

• 版本对比

---

3️⃣ 维护成本更低

脚本式自动化通常依赖：

• 开发人员

• 自动化工程师

而无脚本模式可以让：

• QA

• 业务专家

• 产品经理

都参与测试维护。

---

4️⃣ 更适合 AI 协作

AI 在无脚本体系中可以：

• 生成测试步骤

• 解释测试流程

• 分析测试覆盖率

而不是直接生成大量不可读的代码。
我们也有了测试的AI Agent，协助用户生成测试步骤，测试数据等。

---

五、AI 时代测试体系的一个可能方向

未来的软件测试体系，很可能会形成一个新的结构：

AI 辅助开发
↓
无脚本测试设计
↓
自动化执行引擎
↓
CI/CD 审计与回归

在这个体系中：

• AI 提供能力

• 自动化引擎提供执行

• 无脚本模型提供可读性和治理能力

测试不再只是“脚本运行”。

而是整个软件生命周期中的 质量治理层。

---

结语

脚本式自动化测试在过去十几年里发挥了巨大作用。

但在 AI 时代，它也暴露出新的问题：

• 技术门槛高

• 维护成本高

• 审计困难

因此，越来越多团队开始探索新的路径：

无脚本自动化 + AI Agent 辅助测试。——这正是我推荐的方向

也许未来的自动化测试工程师，不再是“写脚本的人”。

而是：

设计测试系统的人。

欢迎在评论区讨论一个问题：

AI 时代，你们团队的自动化测试，还是脚本为主吗？