举个我实际遇到的例子，有位客户部署之后的几个月内一直很稳定，有天突然向我们反馈系统故障，排查了老半天发现是对方运维升级了网关，没给我们的产品域名开白名单。你再委屈也没用，客户一定要服务，这种情况下测试几乎是全程贴身重保。况且企业采购之前基本都要你出具各种测试报告，你要是跟客户说我们先进团队没有测试，客户会说不好意思我不要你的产品。
还有一个事实是，这类测试需求都偏低端，不同客户之间 80% 的测试内容是重复的，就是不停地回归。剩下的 20% 那可是金主爸爸的定制化需求，而且以大多数产品的架构现状，这些定制能改到连那 80% 的代码都变得不稳定，你还不敢不全量回归。我曾经问过一位 P10 前辈对测试职业是怎么看的，答曰：很多企业对软件问题的自主判断和解决能力是缺失的，所以测试的存在也就成为一种必然。
如果你以为今天我要表达的是：哪怕你只是个点工也不要担心，因为还有大把低端岗位等着你？当然不是。我们的数字化转型可不只是随便说说，而是以一定速度在推进，信息产业更是首当其冲。上面我列举的几个影响因素，尽管较为缓慢，也在持续淡化，具体对测试的影响会是什么？
不是说测试整个群体会消失，而是一个尾部淘汰的过程。上面画了一个示意图，虽然从业人员的能力分布一直会是个波形，然而这个波在持续往右推进，如果个体水平没有变化，就意味着生存空间会被不断挤占，直至消失在尾部。假设你现在在中位线，这个时间我估计大约是 10 年。其实也不绝对，因为总会有些变量出现，比如大家都关心的 ChatGPT。
这么说可能没有概念，我举个例子。有了电子计算器之后，算盘基本就没用了，但会计职业不会消失，失业的是学不会（或不想学）电子计算器的会计。而且这是有个过程的，不是说“啪”得一声尾部群体齐刷刷的原地失业。他们先去用不起电子计算器的地方，等这些地方也普及了，再去更边远的小镇或乡村。放在测试职业身上，这个淘汰链大概就是：大厂->中小厂->外包。也许不是很严谨，就是这么个意思。
上一段的例子也说明了另外一个问题：对单一细分技能的依赖是极其危险的。因为没法预料什么时候会突然出现一个取代这项技能的东西。我们可以看看运维行业，或多或少有我们未来的影子。前面说的某名厂，去测试化没搞明白，去运维化倒是很成功。原本的系统运维人员，有开发能力的发展成为 SRE，没有的要么转岗，要么淘汰。
和去测试化不同的是，去运维化的成果是实在的。开发人员依赖界面系统自己就可以完成全套运维工作，碰到实在不懂的，再去问 SRE。那你要问运维消失了吗？也没有。头部企业都在上云，中小厂还有不少传统运维（想想上面说的淘汰链）。为什么去测试化不能成功？因为要是软件工程能力不够成熟，测试大把的工作就得放在沟通上，或者这么讲，测试的工作包含更多的非确定性问题。相对运维来说，测试的运气真的很好。
至于 ChatGPT，目前就是个内容理解+生成的工具。打个比喻，有个专人在帮你搜 Google，搜得又快又全，还能自动整理输出，你说爽不爽？爽，但也就仅此而已。所以它会是个很厉害的提效工具，还远远取代不了现有的测试能力。稍微专业一点的测试，都不会把 Google 的答案直接拿来无脑使用，更多的是检索和参考。要是 ChatGPT 真的那么灵，StackOverflow 封它干吗。
这类“智能”的局限性在于非常依赖知识库的正确性，如果你在一些知名的开放资料库里编造少量虚假内容，搞不好哪天就会变成 ChatGPT 的“真理”（韩国人的福音？）。还有一点，真正高价值的内容都藏在企业的内部存储中，是不会给它去做训练的，这点可能会决定 ChatGPT 永远只能是个“二把刀”。
当然，在内容领域 ChatGPT 还是具备很强的危胁性的，不然 Google 就不会着急上火，仓促搞出来一个 Bard，首次亮相就翻车，市值端走上千亿。原来 Google 这个浓眉大眼的家伙也有搞倒排期的时候，最终也给我们证明了：不管你是多大的厂，不尊重科学规律，终究还是不行滴。
源自公众号 测试开发修炼之道