AI 時代 QA 還有未來嗎？哪些任務會被 AI 取代、哪些反而更值錢
每兩週就有人問我：「Mark，AI 都能寫 test case 了、我們 QA 要失業了嗎？」
短答：會失業的是不變的 QA、變的人會被搶。長答看下面。這篇給你真實數據 + 重新定位的地圖。
焦慮從何而來
flowchart LR
News[新聞 / Twitter] --> N1["GitHub Copilot 能寫 test"]
News --> N2["Anthropic 用 AI 取代 50% QA"]
News --> N3["Devin / Cognition Labs<br>自動 fix bug"]
News --> Fear[QA 集體焦慮]
Fear --> Reality{真實情況?}
style News fill:#f59e0b,color:#fff
style Fear fill:#ef4444,color:#fff
style Reality fill:#06b6d4,color:#fff
媒體標題嚇人、但數據說的不一樣。
真實數據：QA 職缺反而變多
flowchart LR
Y23[2023] --> Y24[2024]
Y24 --> Y25[2025]
Y25 --> Y26[2026]
Y23 -.LinkedIn QA 職缺.-> N1["~14K"]
Y24 -.->N2["~16K"]
Y25 -.->N3["~19K"]
Y26 -.->N4["~22K"]
style Y26 fill:#10b981,color:#fff
LinkedIn / Indeed / Google Jobs 2023-2026 QA 相關職缺數字：
- Junior QA：稍降（手動測試需求減少）
- Mid QA：持平
- Senior QA / SDET：增加 40%+
- AI / LLM QA：全新類別、年增 200%
結論：入門變難、中高階變更需要。
為什麼 AI 反而讓 QA 更重要
mindmap
root((AI 寫 code → QA 需求變化))
Code 量爆炸
Copilot 讓 dev 寫 3 倍快
Code base 變 5 倍大
但 bug 也變 5 倍多
AI 寫的 code 風險
表面對、邏輯錯
Edge case 沒想到
Security 漏洞
Hallucination
Spec 變模糊
Vibe coding 流行
Spec 越來越粗
QA 要更早介入
Production 風險變高
部署頻率變高
Rollback 風險變高
Monitor 變關鍵
核心矛盾：AI 讓寫 code 變快、但寫對的 code 變難。
哪些 QA 任務會被 AI 取代
flowchart TD
Tasks[QA 任務] --> Q1{會被 AI<br>取代?}
Q1 -->|高機率取代| HIGH[1) 寫 Test Case 草稿<br>2) Boilerplate 自動化 code<br>3) Bug report 格式化<br>4) Regression 跑全 suite<br>5) Selector / locator 寫<br>6) 翻譯 / 文件整理]
Q1 -->|低機率取代| LOW[1) 業務邏輯判斷<br>2) Spec review 模糊處<br>3) 跨團隊溝通<br>4) Risk 評估<br>5) Strategic decision<br>6) Stakeholder 管理<br>7) 探索性測試直覺<br>8) Mentor 帶人<br>9) Bug 真因 vs 表象<br>10) Incident response]
style HIGH fill:#ef4444,color:#fff
style LOW fill:#10b981,color:#fff
高機率被取代（學會用 AI 反而省你時間）
| 任務 | AI 工具 | 你該怎辦 |
|---|---|---|
| 寫 test case 草稿 | Claude / GPT-4 | 用 AI 出第一版、你做品質審 |
| 寫 Playwright code | Copilot | 接受變化、學會 review code |
| Bug report 格式化 | LLM | 用 Bug Report 產生器 |
| 翻譯 ticket | LLM | 直接讓 AI 處理 |
| 跑 regression | 自動化 | 早就該自動化了、不是 AI 的事 |
低機率被取代（你的真實價值）
| 任務 | 為什麼 AI 弱 | 該強化 |
|---|---|---|
| Spec 模糊處 review | 需要 domain + 業務脈絡 | Spec Review Checklist |
| 跨團隊溝通 | 需要情緒判讀、政治力 | QA 1-on-1 Playbook |
| Bug 真因 | 需要組合多種證據判斷 | 探索性 + Debug 技巧 |
| Risk 評估 | 需要業務優先級 | 學產品 + 商業 |
| Mentor | 需要人與人連結 | Soft skill |
QA 角色的重新定位
flowchart LR
Old[2020 年的 QA] --> O1[寫 case]
Old --> O2[跑 case]
Old --> O3[找 bug]
New[2026+ 的 QA] --> N1[Quality Architect<br>設計品質系統]
New --> N2[AI Workflow Designer<br>串 AI 進品質流程]
New --> N3[Risk Manager<br>判斷該測什麼]
New --> N4[Bridge<br>串 PM / Dev / 用戶]
New --> N5[Coach<br>讓全 team 關心品質]
style Old fill:#9ca3af,color:#fff
style New fill:#10b981,color:#fff
從「執行者」變「設計者」+「教練」。
三種未來 QA 樣貌
flowchart TD
Future[2030 年的 QA] --> A[Type A: AI-Augmented QA<br>用 AI 工具放大產出]
Future --> B[Type B: Quality Coach<br>不再自己寫 code、推全 team 注意品質]
Future --> C[Type C: AI QA Specialist<br>專測 AI / LLM 系統]
A --> AA[週寫 50 case → 200 case<br>同樣 8 小時]
B --> BB[QA team 縮編<br>但每人薪資高]
C --> CC[完全新類別<br>2024 才出現]
style A fill:#06b6d4,color:#fff
style B fill:#a855f7,color:#fff
style C fill:#10b981,color:#fff
薪資版面正在變化
| Role | 2023 平均（台北） | 2026 平均 | 變化 |
|---|---|---|---|
| Junior QA（手動） | 38K | 35K | ↓ 7% |
| Mid QA（自動化） | 55K | 70K | ↑ 27% |
| Senior QA / SDET | 80K | 110K | ↑ 38% |
| AI QA Specialist | — | 90K-160K | 新類別 |
| QA Lead | 100K | 130K | ↑ 30% |
結論：純手動 QA 在下降、其他全部上升。
給不同階段的人不同建議
完全新鮮人（學校 / Bootcamp 還沒入行）
flowchart TD
Fresh[新鮮人] --> S1["1) 一個自動化框架<br>(Playwright 首選)"]
S1 --> S2["2) Git + SQL"]
S2 --> S3["3) 一個 AI 工具<br>(會用 LLM 生 test/code)"]
S3 --> S4["4) 一個業務 domain<br>(挑你愛的)"]
S4 --> S5["5) 第一份工作優先選<br>有 AI workflow 的公司"]
style Fresh fill:#06b6d4,color:#fff
style S5 fill:#10b981,color:#fff
延伸閱讀：新鮮人轉 QA 90 天計畫
Junior QA（0-2 年）
- ⚠️ 警告：只會跑 regression 的人會最早被淘汰
- ✅ 三個月內學 Playwright / pytest 任一個
- ✅ 開始用 LLM 加速：先讓 Claude 寫第一版 case、你 review
- ✅ 學業務 domain — fintech / 醫療 / 教育、不能只懂技術
Mid QA（2-4 年）
- ✅ 你是黃金過渡期、最有時間轉型
- ✅ 學 AI 工作流（AI QA 工具箱）
- ✅ 開始 mentor junior、培養 leadership
- ✅ 開始 spec review、進入更早階段
Senior QA / Lead
- ✅ 你的影響力可以放大 — 推 AI workflow 進 team
- ✅ 不要拒絕 AI、不要過度依賴 AI
- ✅ 重點是「教 team 用 AI 思考」、不是「自己用 AI 寫 case」
給焦慮中的人 3 個冷靜事實
事實 1：AI 不會「測試」
AI 能生 case 但不會自己決定要不要測這個。 AI 能跑 case 但不會從結果判斷要不要 release。 AI 能找 anomaly 但不會評估 anomaly 嚴重度。
判斷力是人類最後堡壘。
事實 2：Bug bounty / Security 越來越貴
軟體越複雜、安全漏洞越多、修一個越貴：
- 2020 平均 bug bounty 賞金：$2,000
- 2026：$8,000+
- Critical 漏洞：$50,000-$200,000
QA 能做 vulnerability testing 的薪資水漲船高。
事實 3：Regulatory 在追 AI
- EU AI Act 2024 通過
- 醫療 / 金融 AI 系統需要強制 QA
- AI 系統 audit 成為新類別
- ISO / SOC 2 / HIPAA 都加 AI 條款
這是新一波 QA 工作。
反指標：什麼樣的 QA 該擔心
flowchart TD
Warning[警訊] --> W1["5 年只跑同樣 regression"]
Warning --> W2["拒絕學自動化"]
Warning --> W3["拒絕用 AI 工具"]
Warning --> W4["不懂業務、只懂 click button"]
Warning --> W5["不寫 code、不會 SQL"]
Warning --> W6["只在大公司 / 不曾跳槽"]
Warning --> W7["不對外輸出"]
style W1 fill:#ef4444,color:#fff
style W2 fill:#ef4444,color:#fff
style W3 fill:#ef4444,color:#fff
style W4 fill:#ef4444,color:#fff
style W5 fill:#ef4444,color:#fff
style W6 fill:#ef4444,color:#fff
style W7 fill:#ef4444,color:#fff
有 3 個以上 → 開始焦慮、做改變。
我給 QA 的賭注
flowchart LR
Now[現在] --> Y28[2028]
Y28 --> Y30[2030]
Now --> N1["27% QA 還純手動"]
Y28 --> Y281["手動 QA 剩 5%"]
Y28 --> Y282["AI-Augmented QA<br>佔 60%"]
Y28 --> Y283["Quality Coach<br>佔 15%"]
Y28 --> Y284["AI QA Specialist<br>佔 20%"]
Y30 --> Y301["薪資 PR 範圍變大<br>強的更強、弱的被淘汰"]
style Y30 fill:#a855f7,color:#fff
我的賭注：
- 2030 年 QA 工作數會跟 2024 差不多 — 但內容完全不一樣
- 薪資差距會拉大 — Senior+ 翻倍、Junior 持平甚至降
- AI 不會殺掉 QA、但會殺掉「不變的 QA」
給新鮮人的最後一句
如果你 2026 年正在考慮入 QA — 可以入、但不能用 2020 年的方式入。 入了之後 6 個月內如果只會跑 regression、那你錯了。 6 個月內會 Playwright + 用 AI 加速 + 懂業務 — 你會是搶手貨。
延伸閱讀： - 新鮮人轉 QA 90 天計畫 - AI 共存的 QA 工具箱 - QA 新人第一年技能樹 - 沒經驗找第一份 QA 工作
最後
AI 時代 QA 不是死路、是分水嶺。做不變的 QA → 慢慢消失；做變的 QA → 變最強放大器。十年內 QA 會分化成兩種人 — 用 AI 的、被 AI 取代的。你站哪邊、明天就決定。