不是AI+，而是+AI！

我的AI进阶测试训练营第二期，上周六开课了，本期有超过100名同学参与学习。

从目前的反馈来说，大部分同学对AI测试的热情高涨，原因主要有两方面：1-学习到最新的前沿技术，跟上风口；2-AI能力无论是在企业内落地实践还是出去面试，都是实打实的薪资涨幅。

但也有极少数同学现在对AI依然抱有疑虑，比如：AI技术的学习门槛会不会太高，担心学不会；比如学习之后该如何测试AI产品，市场上找不到合适工作怎么办？种种疑虑，不一而足。

我其实特别能理解这种顾虑，因为十几年前我刚开始进入互联网行业从事软件测试工作时，我的领导让我抽空提升编码能力时，我也是如此想的。

后来互联网行业技术岗位的发展趋势，证明了当时我的领导给我的建议是如何正确。无论是自动化测试还是性能测试，抑或测试开发岗位，都对代码能力有较高的要求。

人天然会对自己不了解不熟悉的事物产生顾虑和怀疑，此乃人之本能。客观一点来讲，AI这一叙事太过宏大，个体身处其中很难快速看清行业发展趋势。只有从宏大叙事中抽离，落到具体的事情上，才会获得内心的踏实。

这也是为什么，我的AI测试训练营课程的核心内容，会围绕软件测试岗位的日常工作来进行设计的原因。

22年底ChatGPT火爆全网，23年提示词工程师成为市场拥簇，24年智能体登上舞台，25年工作流和Vibe Coding你方唱罢我登场。到了今年，Skill和OpenClaw又吸引了全市场的目光。

技术的变化往往呈指数级，而人感知到的变化往往是滞后和线性的。本轮AI技术革命从开始到现在才几年时间，舞台上的角色就换了好几波，但最底层的逻辑从未变过：一切以人为核心。

具体一点来说，无论AI的能力有多强大，它的定位就是一个很好用的工具，真正投入到具体事件中的是人，是不同行业不同岗位上具体的个体。如何理解这句话呢？

假设，你是一名软件测试工程师，领导要求你去调研一下相关的AI工具，并拿出一个可行的AI落地方案，你会怎么做？

正常的逻辑是，通过查阅资料和咨询相关专业人士，了解目前市场上的AI工具及其擅长的能力，然后评估这些能力对自己和团队(测试团队)的工作能带来哪些帮助，然后快速做出一个Demo评估效果，最后整理出方案，向领导汇报。

这个逻辑的核心，是自己和团队的工作内容，即围绕业务、需求和商业目的来展开。

换言之，AI时代，重要的是围绕模型的能力去构建场景，而不是围绕功能去构建系统。

目前市场对AI抱有极大的期待，即认为在未来的AI时代，基座模型是全新的“操作系统”，各种智能体扮演应用的角色构成生态，通过标准协议串并联起来，通过具体岗位上的人对业务、需求和用户的理解，完成一个个具体的任务，最终达成商业目标。

其中，人承担分析、决策和纠偏，AI只负责执行任务，最终实现从底层模型到Agent再到业务场景的全链路体系建设。

AI作为全新的生产工具，带来的不仅是效率的提升，更深层次则意味着一整套流程、思维方式的变化。

理想一点来说，如果AI能彻底胜任所有工作，那么人自然会被替代。但现实是AI短期内无法成为可靠的完全自主完成所有任务的助手，阻碍它的这些关键节点，人的价值就会凸显出来。

AI作为工具的价值，在于每一次执行任务。AI作为工具的意义，最终都会落在时间、效率和生产过程之中。

当下的市场需要什么样的人呢？市场要的是能利用AI能力，凭借对业务、需求的理解和落地能力，提升生产过程效率的人，而非只会使用AI工具的人。

就像本文标题所述：不是AI+，而是人+AI！