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.comresearchstate－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