ผลสำรวจ State of AI in Quality Engineering 2026 ของ TestMu AI เผย 81% ของทีมพัฒนาซอฟต์แวร์เคยผสานโค้ดที่เขียนโดย AI เข้าสู่ระบบ ทั้งที่ยังไม่เข้าใจโค้ดดังกล่าวอย่างถ่องแท้

AI เขียนโค้ดสำหรับระบบที่ใช้งานจริงมากกว่าครึ่งใน 40% ของทีม ขณะที่ 44% พบข้อบกพร่องเข้าสู่ระบบจริงมากขึ้น และมีเพียง 41% ที่ดำเนินการตรวจสอบโค้ดที่เขียนโดย AI ด้วยระบบอัตโนมัติก่อนผสานโค้ด

นอยดา, อินเดีย และซานฟรานซิสโก, 13 พ.ย. 2569 /PRNewswire/ — TestMu AI (เดิมชื่อ LambdaTest) แพลตฟอร์มด้านวิศวกรรมคุณภาพด้วย Agentic AI เปิดเผยรายงาน State of AI in Quality Engineering 2026 ซึ่งพบว่า 81% ของทีมพัฒนาซอฟต์แวร์เคยผสานโค้ดหรือชุดทดสอบที่สร้างโดย AI เข้าสู่ระบบ ทั้งที่ยังไม่เข้าใจสิ่งเหล่านั้นอย่างถ่องแท้ ขณะที่ 44% ระบุว่าพบข้อบกพร่องที่หลุดรอดไปถึงระบบจริงหรือเหตุขัดข้องในการใช้งานจริงเพิ่มขึ้น ตามการเติบโตของการใช้โค้ดที่เขียนโดย AI ปัจจุบัน AI เข้ามามีบทบาทอย่างมากทั้งในการเขียนโค้ดและสร้างชุดทดสอบ แต่ทีมส่วนใหญ่ยังคงตรวจสอบผลงานเหล่านั้นโดยอาศัยบุคลากรภายหลังจากสร้างเสร็จแล้ว หรือใช้โมเดล AI อีกตัวหนึ่งในการตรวจสอบ

ทีมที่เข้าร่วมการสำรวจถึง 97% ใช้ AI ในการทดสอบอยู่แล้ว หรือมีแผนจะนำมาใช้ สำหรับทีมส่วนใหญ่ ประเด็นที่ยังต้องหาคำตอบคือ จะตรวจสอบโค้ดและชุดทดสอบที่สร้างโดย AI อย่างไรก่อนนำไปใช้งานจริง

ผลการค้นพบสำคัญจากรายงาน State of AI in Quality Engineering 2026

• ช่องว่างด้านการตรวจสอบ: มีเพียง 41% ของทีมที่ดำเนินการตรวจสอบโค้ดที่เขียนโดย AI ด้วยระบบอัตโนมัติก่อนผสานโค้ด ขณะที่ทีมส่วนใหญ่ยังพึ่งพาการตรวจสอบด้วยตนเอง (55%) หรือส่งต่องานให้ทีมประกันคุณภาพ (QA) ตรวจสอบหลังจากเขียนโค้ดเสร็จแล้ว (51%) ทีมที่ไม่มีการทดสอบแยกต่างหากในกระบวนการ CI พบข้อบกพร่องที่หลุดรอดไปถึงระบบจริงเพิ่มขึ้นบ่อยกว่า (49%) เมื่อเทียบกับทีมที่มีการทดสอบดังกล่าว (38%)

• นักพัฒนาเป็นกลุ่มที่เผชิญความเสี่ยงมากที่สุด: นักพัฒนาถึง 93% เคยผสานผลงานที่สร้างโดย AI เข้าสู่ระบบ ทั้งที่ยังไม่เข้าใจอย่างถ่องแท้

• การใช้ AI ประเมิน AI ยิ่งขยายช่องว่าง: ทีมที่ใช้โมเดลหนึ่งประเมินหรือให้คะแนนอีกโมเดลหนึ่ง (LLM-as-a-judge) มีสัดส่วนการผสานผลงานจาก AI ที่ตนเองไม่เข้าใจอย่างถ่องแท้เป็นประจำสูงกว่าทีมอื่นถึงเกือบสองเท่า (29% เทียบกับ 15%) นอกจากนี้ ชุดทดสอบที่สร้างโดย AI ยังมีลักษณะ “เกือบถูกต้อง แต่ยังไม่สมบูรณ์” คิดเป็นค่ามัธยฐาน 65% ของกรณีทั้งหมด

• เอเจนต์ AI ถูกนำไปใช้งานโดยอาศัยการตรวจสอบจากมนุษย์และการสาธิต: 77% ของทีมสร้างเอเจนต์ AI ที่ตนเองจำเป็นต้องทดสอบ แต่ในจำนวนนี้ 37% ไม่มีวิธีประเมินเอเจนต์อย่างเป็นระบบ และมีเพียง 28% ที่ทดสอบเอเจนต์กับผู้ใช้ซึ่งพยายามค้นหาจุดบกพร่องหรือทำให้ระบบทำงานผิดพลาด

• งบประมาณมุ่งเน้นการสร้างผลงานมากกว่าการตรวจสอบ: 50% ของทีมใช้งบประมาณส่วนใหญ่สำหรับการทดสอบ AI ไปกับการสร้างผลงานจาก AI เทียบกับเพียง 17% ที่จัดสรรให้กับการตรวจสอบผลงานดังกล่าว

• มีทีมเพียงไม่กี่แห่งที่พร้อมรับมือกับข้อผิดพลาดจาก AI: มีเพียง 13% ของทีมที่มีแผนรับมือเหตุการณ์ผิดพลาดที่เกิดจาก AI

“ปัจจุบัน ทีมพัฒนาซอฟต์แวร์พึ่งพา AI ในการเขียนโค้ด สร้างชุดทดสอบ และยังพึ่งพาขึ้นเรื่อย ๆ ในการตัดสินว่าโค้ดและชุดทดสอบเหล่านั้นพร้อมสำหรับการนำไปใช้งานจริงหรือไม่ อย่างไรก็ตาม กระบวนการตรวจสอบยังพัฒนาไม่ทันต่อการเปลี่ยนแปลงดังกล่าว เราเชื่อว่าผลงานทุกชิ้นที่ AI สร้างขึ้นควรได้รับการตรวจสอบความถูกต้องด้วยระบบที่เป็นอิสระจากโมเดลที่สร้างผลงานนั้น ก่อนผสานโค้ดเข้าสู่ระบบและทุกครั้งที่มีการเปลี่ยนแปลง ทีมที่เข้าร่วมการสำรวจและปฏิบัติตามแนวทางนี้อยู่แล้วพบว่ามีข้อบกพร่องหลุดรอดไปถึงระบบจริงน้อยกว่า และเราคาดว่าแนวทางดังกล่าวจะกลายเป็นมาตรฐานสำหรับองค์กรด้านวิศวกรรมที่นำ AI มาใช้ในการพัฒนาซอฟต์แวร์” Asad Khan ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารของ TestMu AI กล่าว

อ่านรายงานฉบับเต็มได้ที่: testmuai.com/research/state-of-ai-in-quality-engineering

เกี่ยวกับ TestMu AI

TestMu AI (เดิมชื่อ LambdaTest) เป็นแพลตฟอร์มด้านวิศวกรรมคุณภาพด้วย Agentic AI ที่ช่วยรับประกันคุณภาพของการนำ AI ไปใช้งานทั้งภายในองค์กรและในสภาพแวดล้อมจริง แพลตฟอร์มรองรับการทดสอบแบบ Agentic สำหรับแอปพลิเคชันบนเว็บและอุปกรณ์เคลื่อนที่ ผ่านเบราว์เซอร์มากกว่า 5,000 รูปแบบ และอุปกรณ์จริงมากกว่า 50,000 เครื่อง รวมถึงเอเจนต์ AI ที่ทำงานผ่านแชต เสียง ระบบตอบรับด้วยเสียงอัตโนมัติ (IVR) วิดีโอ และภาพ ดูข้อมูลเพิ่มเติมได้ที่ www.testmuai.com

การติดต่อสำหรับสื่อมวลชน

Nikhil Saxena
ผู้จัดการฝ่ายสื่อสารองค์กรของ TestMu AI
[email protected]| +91 98709 81968

ข่าวที่เกี่ยวข้อง

BangkokStyle