
TestMu AI发布《2026年质量工程中的AI状况》报告。数据显示,81%的软件团队合并了并未完全理解的AI生成代码或测试用例。在40%的团队中,AI编写的生产环境代码占比已超过一半,折射出软件构建与测试方式的深刻转变。
研究指出,许多组织在扩大AI应用时的速度,超过了建立相应审查机制的速度。约44%的团队表示,随着AI生成代码普及,流入生产环境的缺陷增多;然而,仅有41%的团队会在合并前对AI代码运行自动化检查。
目前,人工监督仍是主流。55%的团队依赖人工审查,51%依赖代码编写后的质量保证(QA)交接,表明验证往往滞后于生成环节。开发人员面临的风险尤为突出:93%的受访者承认合并了自己未完全理解的AI输出,该比例远高于团队整体水平。
验证缺口与预算错配
报告认为,最大风险在于对AI软件的检查而非生产本身。缺乏独立持续集成测试的团队,更常报告缺陷逃逸至生产环境(49%),而拥有此类测试的团队这一比例为38%。
此外,采用“大语言模型作为裁判”(LLM-as-a-judge)方法的团队,合并不理解AI输出的频率几乎是其他团队的两倍(29%对15%)。研究发现,AI生成的测试用例中位数有65%“看似合理但存在瑕疵”,给工程团队带来判断难题。
支出模式显示,资源更多投向生成而非验证。半数团队将大部分AI测试预算用于生成输出,仅17%用于验证。这种失衡可能导致控制措施缺失:仅13%的团队拥有针对AI错误的应急响应计划。
尽管存在风险,97%的受访团队已在测试中使用AI或计划这样做。这意味着相关问题已从专门的AI公司蔓延至各行各业的主流软件团队。
AI智能体测试滞后
在日益受关注的AI智能体领域,77%的团队构建了需测试的智能体,但37%缺乏系统评估方法。仅28%的团队会针对试图破坏系统的用户进行对抗性测试,表明结构化压力测试手段仍然有限。
TestMu AI联合创始人兼首席执行官Asad Khan表示:“软件团队正依赖AI编写代码、生成测试并决定发布就绪状态,但验证未能跟上这一转变。我们主张,AI产生的任何输出在合并及每次更改前,都应由独立于生成系统的机制进行验证。遵循这一纪律的团队,其生产环境缺陷更少,这预计将成为搭载AI的工程组织的标准。”