代理式 AI 品質工程平台 TestMu AI（前身為 LambdaTest）於 2026 年 11 月 14 日發佈《State of AI in Quality Engineering 2026》報告。報告發現，81% 的軟件團隊曾合併自己未完全理解的 AI 生成程式碼或測試；隨著 AI 編寫的程式碼增加，44% 的團隊表示漏檢缺陷或生產環境事故有所上升。TestMu AI 表示，97% 的受訪團隊目前已在測試中使用 AI 或計劃採用 AI。
報告由 TestMu AI 委託進行，調查時間為 2026 年 7 月底至 10 月初，對象為測試人員、開發者及品質保證領袖，樣本來自 TestMu AI 的全球社群。報告頁面列明於 2026 年 11 月 12 日發佈，是 2023 年《Future of Quality Assurance》報告之後的 2026 年版。
驗證工作未跟上 AI 生成速度
報告的核心發現是「驗證缺口」。只有 41% 的團隊會在合併前對 AI 編寫的程式碼進行自動化檢查；大多數團隊依賴人工審查（55%），或在程式碼編寫完成後交由品質保證（QA）團隊處理（51%）。
報告同時比較了持續整合（CI）測試與缺陷的關係：未有獨立執行 CI 測試的團隊中，49% 出現漏檢缺陷增加的情況；有執行這類測試的團隊，比例為 38%。報告亦指出，40% 的團隊現時已有超過一半的生產環境程式碼由 AI 編寫。開發者層面的數字更高，93% 的開發者表示已合併自己未完全理解的 AI 輸出。
用一個模型評判另一個模型
部分團隊採用「LLM-as-a-judge」方式，以一個模型為另一個模型的輸出評分。報告發現，使用這種方式的團隊中，29% 經常合併自己並不理解的 AI 輸出，約為其他團隊（15%）的兩倍。
對於 AI 生成的測試，報告指出「大致正確，但仍有偏差」這類情況所佔比例的中位數為 65%。報告的描述是：AI 現時已負責編寫大量程式碼及測試，但大多數團隊仍在生成後交由人員核查，或依靠另一個 AI 模型驗證。
AI 代理與預算分配的落差
在 AI 代理方面，77% 的團隊正在開發需要測試的 AI 代理，但其中 37% 沒有系統化的評估方法，只有 28% 會讓用戶刻意嘗試令代理出錯，以測試其表現。
預算分配同樣偏向生成而非驗證：50% 的團隊將大部分 AI 測試預算用於生成 AI 輸出，將大部分預算用於驗證輸出的團隊只有 17%。此外，只有 13% 的團隊備有針對 AI 錯誤的事故應變計劃。
TestMu AI 的看法
TestMu AI 聯合創辦人兼行政總裁 Asad Khan 表示：「軟件團隊現時依賴 AI 編寫程式碼、生成測試，亦愈來愈依賴 AI 判斷程式碼及測試是否已準備好推出。然而，驗證工作並未跟上這個轉變。我們認為，AI 產生的任何輸出，都應在合併前及每次變更時，由獨立於生成模型的系統進行驗證。遵循這項原則的受訪團隊，進入生產環境的缺陷較少。」
TestMu AI 表示，平台透過逾 5,000 個瀏覽器及逾 50,000 部真實裝置，為網頁及流動應用程式執行由 AI 代理驅動的測試，並涵蓋聊天、語音、互動語音應答（IVR）、影片及圖像代理。上述平台規模數字為該公司自述。