這個問題在過去這10幾年來,一直都是個不好回答的問題,往往都會回歸到團隊組成、產品型態、系統架構這些元素上,但坦白說,在 AI 技術快速發展的今天,這個問題的答案已經和兩年前非常不同了。讓我們一步步來看這個有趣的變化。
迷思:這真的是不同的角色嗎?
從定義上來看,自動化測試其實是 SQA(Software Quality Assurance)的一部分。但為什麼很多人會把它們視為兩個不同的角色呢? 原因很簡單:從外部看來,這兩個角色的日常工作確實差異頗大。
- SQA 可能更多時間在設計測試案例跟執行測試工作
- 自動化測試工程師則較常埋首於程式碼中,開發測試框架跟寫自動化測試的程式 但這樣的區分真的合理嗎?
SQA:一個模糊的定義
SQA的角色會根據不同的環境而有所變化:
- 新創環境:通常需要身兼多職,從產品測試到用戶體驗評估都要涵蓋
- 大型企業:可能更專注於流程管理和風險評估
- 不同產品類型:B2B和B2C產品對SQA的要求截然不同

SQA不僅僅是測試,它涉及:
- 產品測試
- 用戶體驗評估
- 流程管理
- 風險評估
自動化測試的真正核心
自動化測試不僅僅是寫程式碼,它需要:
- 理解系統架構
- 網路協定知識
- 資料庫操作
- 測試模式認知
- 效能優化能力

技術技能雖然重要,但更重要的是廣泛的資訊技術知識和解決問題的能力。
兩年前的做法(Pre-AI時代)
在AI普及之前,我們會評估以下條件來決定是否適合進行自動化測試:
- 產品需求的穩定性
- 測試場景的可預測性
- 團隊的技術能力
- 投資報酬率(時間)的評估
AI時代的新觀點
AI工具的出現已經大幅降低了自動化測試的門檻。現在的重點從「程式設計技能」轉移到「運用AI工具的能力」。
這個轉變帶來了以下改變:
- 降低了測試自動化的技術門檻
- 讓測試用例生成變得更容易
- 減少了維護的複雜性
- 提高了測試覆蓋率的可能性
新時代SQA的核心能力
在AI時代,我們更應該尋找具備以下特質的測試人才:
- 深厚的測試理論基礎:理解各種測試方法和策略
- 優秀的測試用例設計能力:能設計出有效的測試場景
- 靈活運用AI工具:能善用各種AI輔助工具
- 持續學習的態度:願意適應新技術和新工具
結論
傳統上SQA工程師和自動化測試工程師的區別,在AI時代變得越來越不重要。重要的是找到能夠適應快速變化的技術環境,並且具備正確測試思 維的人才。
與其糾結於職位名稱,不如專注於工程師的學習能力、適應能力,以及對品質的堅持。在這個AI驅動的新時代,最有價值的是那些能夠靈活運用 各種工具,持續進化的測試專業人員。
選擇測試人才時,請關注他們的潛力和學習意願,而不是僵化的角色定義。這樣才能在快速變化的技術環境中,建立真正有效的品質保證團隊。