返回列表

懶人包 / GUIDE 2026-06-13

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

AI 時代 QA 工作真實分析。哪些任務 LLM 已經做得比人好、哪些 10 年內不會被取代、QA 該怎麼重新定位、薪資版面變化、給焦慮中的人一份地圖。

QA ai-qa future-of-qa career llm automation

編輯整理：Mark Liu (劉紋瑋) · 最後更新 2026-06-13 · 最後審閱 2026-08-30

註記

本文原刊於 qa.9niche.com，2026-08 併入 9niche.com 懶人包，內容照原文完整搬遷。

目錄 / INDEX 13

第 1 節

前言

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。

第 2 節

焦慮從何而來

媒體標題嚇人、但數據說的不一樣。

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 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

第 3 節

真實數據：QA 職缺反而變多

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。

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

第 4 節

為什麼 AI 反而讓 QA 更重要

核心矛盾：AI 讓寫 code 變快、但寫對的 code 變難。

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

第 5 節

哪些 QA 任務會被 AI 取代

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

flowchart TD Tasks[QA 任務] --> Q1{會被 AI 取代?} Q1 -->|高機率取代| HIGH[1) 寫 Test Case 草稿 2) Boilerplate 自動化 code 3) Bug report 格式化 4) Regression 跑全 suite 5) Selector / locator 寫 6) 翻譯 / 文件整理] Q1 -->|低機率取代| LOW[1) 業務邏輯判斷 2) Spec review 模糊處 3) 跨團隊溝通 4) Risk 評估 5) Strategic decision 6) Stakeholder 管理 7) 探索性測試直覺 8) Mentor 帶人 9) Bug 真因 vs 表象 10) Incident response] style HIGH fill:#ef4444,color:#fff style LOW fill:#10b981,color:#fff

第 6 節

QA 角色的重新定位

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 用 AI 工具放大產出] Future --> B[Type B: Quality Coach 不再自己寫 code、推全 team 注意品質] Future --> C[Type C: AI QA Specialist 專測 AI / LLM 系統] A --> AA[週寫 50 case → 200 case 同樣 8 小時] B --> BB[QA team 縮編 但每人薪資高] C --> CC[完全新類別 2024 才出現] style A fill:#06b6d4,color:#fff style B fill:#a855f7,color:#fff style C fill:#10b981,color:#fff

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 設計品質系統] New --> N2[AI Workflow Designer 串 AI 進品質流程] New --> N3[Risk Manager 判斷該測什麼] New --> N4[Bridge 串 PM / Dev / 用戶] New --> N5[Coach 讓全 team 關心品質] style Old fill:#9ca3af,color:#fff style New fill:#10b981,color:#fff

第 7 節

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。

第 8 節

給不同階段的人不同建議

完全新鮮人（學校 / Bootcamp 還沒入行）

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」

flowchart TD Fresh[新鮮人] --> S1["1) 一個自動化框架 (Playwright 首選)"] S1 --> S2["2) Git + SQL"] S2 --> S3["3) 一個 AI 工具 (會用 LLM 生 test/code)"] S3 --> S4["4) 一個業務 domain (挑你愛的)"] S4 --> S5["5) 第一份工作優先選 有 AI workflow 的公司"] style Fresh fill:#06b6d4,color:#fff style S5 fill:#10b981,color:#fff

第 9 節

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。

第 10 節

反指標：什麼樣的 QA 該擔心

有 3 個以上 → 開始焦慮、做改變。

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

第 11 節

我給 QA 的賭注

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」

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 佔 60%"] Y28 --> Y283["Quality Coach 佔 15%"] Y28 --> Y284["AI QA Specialist 佔 20%"] Y30 --> Y301["薪資 PR 範圍變大 強的更強、弱的被淘汰"] style Y30 fill:#a855f7,color:#fff

第 12 節

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。

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。

分享 LINE Threads X

一份能在會議前用 15 分鐘掃完整份 spec 的 checklist。從前置條件、邊界、錯誤處理、狀態機到資料一致性，附使用範例。

QA 1-on-1 完整 Playbook — 議題庫、卡頓信號、首次 / 季度 / 留任面談範本

給 QA Lead / Manager 的 1-on-1 完整指南。每週 / 每月 / 季度節奏、議題庫、避免變 status report、識別 burnout 信號、留任面談。

新鮮人轉 QA — 從 0 到第一份工作的 90 天完整計畫

給沒經驗想入 QA 的人。90 天分 3 階段：學基本功 → 做 portfolio → 求職。每週進度、該做什麼、卡關時對策。含科班 / 非科班、轉職、學生不同路線。

相關懶人包 / RELATED