读需求、设计测试方案、编写成百上千条用例、准备环境、开发和维护自动化脚本、执行测试、分析缺陷，再随着需求不断变化，一轮轮做回归。

对于复杂系统，这个过程持续数周甚至数月并不罕见。

真正困难的还不只是工作量大。需求理解、用例设计、脚本开发、测试执行、缺陷分析和质量评估往往分散在不同人员和工具中。很多经验留在个人手里，历史用例和缺陷数据没有真正变成组织资产。项目做了很多年，测试也做了很多轮，但下一次仍有大量工作需要从头开始。

AI开始进入软件测试之后，这种状况正在发生变化。

它可以阅读需求、辅助分析业务，生成测试思路和用例，编写并执行自动化脚本，也可以结合历史数据分析缺陷和质量趋势。测试工程师则可以把更多时间放到测试策略、复杂边界、风险判断和最终质量确认上。

如果变化只停留在这里，AI仍然只是一个效率更高的测试工具。

东软更关注的是下一步：能不能把AI真正纳入软件质量体系，让测试从局部自动化进一步走向智能质量工程。

近日，在银川举行的第四届电子信息测试产业大会暨软件测试产教融合高质量发展论坛上，东软受邀分享《告别传统测试内卷，AI智能测试新范式来了！》，介绍了AI辅助测试的工程实践与平台化建设，以及东软对智能质量工程的探索。