40% 的團隊現時已有超過一半的生產環境程式碼由 AI 編寫，44% 的團隊發現更多缺陷進入生產環境，而只有 41% 的團隊會在合併前對 AI 編寫的程式碼進行自動化檢查

印度諾伊達及三藩市2026年11月14日 /美通社/ -- 代理式 AI 品質工程平台 TestMu AI（前身為 LambdaTest）今日發佈《State of AI in Quality Engineering 2026》報告。報告發現，81% 的軟件團隊已合併自己未完全理解的 AI 生成程式碼或測試；隨著 AI 編寫的程式碼增加，44% 的團隊表示，漏檢缺陷或生產環境事故有所上升。AI 現時已負責編寫大量程式碼及測試，但大多數團隊仍在生成後交由人員核查，或依靠另一個 AI 模型驗證。

97% 的受訪團隊目前已在測試中使用 AI 或計劃採用 AI。對大多數團隊而言，如何在推出前驗證 AI 生成的程式碼及測試，仍是尚待解決的問題。

《State of AI in Quality Engineering 2026》報告的主要發現：

• 驗證缺口：只有 41% 的團隊會在合併前對 AI 編寫的程式碼進行自動化檢查；大多數團隊依賴人工審查（55%），或在程式碼編寫完成後交由品質保證（QA）團隊處理（51%）。未有獨立執行持續整合（CI）測試的團隊中，有 49% 出現漏檢缺陷增加的情況；有執行這類測試的團隊中，該比例則為 38%。
• 開發者面對的風險最高：93% 的開發者已合併自己未完全理解的 AI 輸出。
• 由 AI 評判 AI，進一步擴大驗證缺口：使用一個模型為另一個模型評分（LLM-as-a-judge）的團隊中，有 29% 經常合併自己並不理解的 AI 輸出，約為其他團隊（15%）的兩倍。對於 AI 生成的測試，「大致正確，但仍有偏差」這類情況所佔比例的中位數為 65%。
• AI 代理依靠人工審核及示範作為推出依據：77% 的團隊正在開發需要測試的 AI 代理，但其中 37% 沒有系統化的評估方法，只有 28% 會讓用戶刻意嘗試令代理出錯，以測試其表現。
• 預算側重生成，較少用於驗證：50% 的團隊將大部分 AI 測試預算用於生成 AI 輸出，而將大部分預算用於驗證輸出的團隊只有 17%。
• 少有團隊做好應對 AI 錯誤的準備：只有 13% 的團隊備有針對 AI 錯誤的事故應變計劃。

「軟件團隊現時依賴 AI 編寫程式碼、生成測試，亦愈來愈依賴 AI 判斷程式碼及測試是否已準備好推出。然而，驗證工作並未跟上這個轉變。我們認為，AI 產生的任何輸出，都應在合併前及每次變更時，由獨立於生成模型的系統進行驗證。遵循這項原則的受訪團隊，進入生產環境的缺陷較少。我們預期，這將成為運用 AI 交付軟件的工程團隊的標準做法。」TestMu AI 聯合創辦人兼行政總裁 Asad Khan 表示

點此閱讀報告：testmuai.com/research/state-of-ai-in-quality-engineering。

關於 TestMu AI

TestMu AI（前身為 LambdaTest）是一個代理式 AI 品質工程平台，為企業及實際應用場景中的 AI 部署提供品質保障。平台透過逾 5,000 個瀏覽器及逾 50,000 部真實裝置，為網頁及流動應用程式執行由 AI 代理驅動的測試，同時為聊天、語音、互動語音應答（IVR）、影片及圖像代理提供這類測試。更多資訊，請瀏覽 www.testmuai.com。

傳媒聯絡

Nikhil Saxena
TestMu AI 企業傳訊經理
nikhils@testmuai.com| +91 98709 81968