Agentic QA คือการเปลี่ยนแปลงงบประมาณ: ตลาดทดสอบซอฟต์แวร์มูลค่า $66B กำลังเคลื่อนไปทางไหน

TL;DR: Agentic QA คือการทดสอบคุณภาพซอฟต์แวร์ที่ AI agent เป็นผู้วางแผน เขียน รัน และดูแลเทสต์เคส โดยมีชั้นการตรวจสอบ (verification) ที่เป็นอิสระเพื่อยืนยันว่าซอฟต์แวร์ทำงานได้จริง มันไม่ได้ช่วยลดงบ QA ลงเลยแม้แต่น้อย เพียงแต่ย้ายงบจากการใช้แรงงานคนเขียนและดูแลสคริปต์ ไปสู่โครงสร้างพื้นฐานการรันเทสต์ (execution rails) ในระดับสเกลของ agent พร้อมหลักฐานยืนยันที่เป็นอิสระ การสร้างเทสต์เคสจะถูกลง แต่การตรวจสอบจะกลายเป็นตัวผลิตภัณฑ์เอง

เมื่อวันที่ 6 ตุลาคม 2026 Gartner ได้เผยแพร่รายงาน Magic Quadrant for Agentic Software Quality Assurance Platforms ซึ่งมาแทนที่รายงานปี 2025 เรื่อง "AI-Augmented Software Testing Tools" คนส่วนใหญ่มองว่าเป็นแค่การเปลี่ยนชื่อ แต่ผมมองว่ามันคือเหตุการณ์ที่จะกระทบต่องบประมาณ เมื่อองค์กรที่กำหนดรายชื่อผู้ให้บริการระดับเอ็นเทอร์ไพรซ์เปลี่ยนชื่อหมวดหมู่ เทมเพลตการจัดซื้อก็จะเปลี่ยนตาม และเงินก็จะไหลไปตามเทมเพลตเหล่านั้น

บทความนี้เขียนขึ้นสำหรับ CIO และผู้ก่อตั้งบริษัทที่มีงบ QA (หรือกำลังแข่งขันเพื่อของบดังกล่าว) ข้อโต้แย้งนั้นตรงไปตรงมา: agentic QA จะไม่ได้ทำให้ต้นทุนด้านคุณภาพถูกลงในภาพรวม แต่มันจะแค่ย้ายจุดที่เงินถูกใช้ไป ตารางด้านล่างคือแผนที่ว่าตอนนี้เงินอยู่ที่ไหน กำลังจะไปที่ไหน และมีสกอร์การ์ดช่วยให้คุณวางแผนจัดสรรงบใหม่ในปี 2027 ก่อนที่เวนเดอร์ของคุณจะทำ

Agentic QA คืออะไร และทำไม Gartner ถึงเปลี่ยนชื่อหมวดหมู่นี้?

Agentic QA คือการประกันคุณภาพซอฟต์แวร์ที่ AI agent เป็นผู้วางแผน สร้าง รัน และดูแลเทสต์เคสเพื่อให้บรรลุเป้าหมายที่กำหนดไว้ ในขณะที่ชั้นการตรวจสอบที่เป็นอิสระจะพิสูจน์ว่าซอฟต์แวร์ทำงานตามที่คาดหวังหรือไม่ คำว่า "AI-augmented" อธิบายถึงมนุษย์ที่ใช้เครื่องมือที่ฉลาดขึ้น ส่วนคำว่า "Agentic" อธิบายถึงงานที่เครื่องจักรเป็นเจ้าของอย่างเต็มตัวแล้ว

แรงกดดันเบื้องหลังการเปลี่ยนชื่อนี้คือปริมาณโค้ด Menlo Ventures ประเมินว่าองค์กรระดับเอ็นเทอร์ไพรซ์จะใช้จ่ายกับเครื่องมือเขียนโค้ดด้วย AI ถึง 4.0 พันล้านดอลลาร์ในปี 2025 ซึ่งคิดเป็นมากกว่าครึ่งหนึ่งของงบ AI ทั้งหมดในทุกแผนก ทุก ๆ ดอลลาร์ที่ว่านี้สร้างโค้ดเพิ่มขึ้นที่ต้องมีคนมายืนยันว่ามันทำงานได้จริง

แต่ศักยภาพในการตรวจสอบกลับตามไม่ทัน สำนักงานสถิติแรงงานสหรัฐฯ คาดการณ์ว่าตำแหน่งงานนักวิเคราะห์และนักทดสอบ QA จะเติบโต 6% จากปี 2025 ถึง 2035 (จาก 187,600 เป็น 198,200 ตำแหน่ง) ขณะที่กลุ่มนักพัฒนา/QA/นักทดสอบในภาพกว้างคาดว่าจะเติบโต 10% โค้ดขยายตัวตามพลังประมวลผล แต่นักทดสอบขยายตัวตามจำนวนคน ช่องว่างนี้แหละคือตลาดทั้งหมด

ตลาดทดสอบซอฟต์แวร์ใหญ่แค่ไหน และวันนี้ AI กินส่วนแบ่งไปเท่าไร?

บริษัทวิจัยประเมินมูลค่าตลาดทดสอบซอฟต์แวร์ทั่วโลกไว้ที่ราว 60–66 พันล้านดอลลาร์ และการทดสอบที่ขับเคลื่อนด้วย AI ยังครองส่วนแบ่งไม่ถึง 1% ความไม่สมดุลนี้คือโอกาส และคือความเสี่ยงสำหรับใครก็ตามที่ขายอีก 99% ที่เหลือ

• ตลาดรวม Global Market Insights (2026) ประเมินว่าตลาดมีมูลค่า 60.5 พันล้านดอลลาร์ในปี 2025 และ 65.9 พันล้านดอลลาร์ในปี 2026 โดยเติบโตราว 7.7% ต่อปี จนแตะ 127.5 พันล้านดอลลาร์ภายในปี 2035
• สัดส่วนค่าแรง ในการประมาณการเดียวกัน บริการทดสอบคิดเป็น 38% ของการใช้จ่ายในปี 2025 หรือราว 23 พันล้านดอลลาร์ต่อปี ซึ่งส่วนใหญ่คือการจ่ายเพื่อซื้อเวลาของคน
• สัดส่วน AI Research and Markets (2026) ประเมินขนาดตลาดการทดสอบด้วย AI ไว้ที่ 544 ล้านดอลลาร์ในปี 2025 และจะเพิ่มเป็น 1.39 พันล้านดอลลาร์ภายในปี 2031 ซึ่งคิดเป็นไม่ถึง 1% ของงบทดสอบทั้งหมด
• เงิน IT ไหลไปทางไหน การคาดการณ์เดือนกรกฎาคม 2026 ของ Gartner ระบุว่าการใช้จ่ายด้าน IT ในปี 2026 จะอยู่ที่ 6.37 ล้านล้านดอลลาร์ ซอฟต์แวร์เติบโต 15.5% ขณะที่บริการ IT เติบโตเพียง 5.3%

ตัวเลขเหล่านี้ล้วนเป็นการประมาณการและให้ยอดรวมที่ไม่ตรงกัน แต่ทุกเจ้าเห็นตรงเรื่องทิศทาง: ผู้ซื้อใช้จ่ายกับซอฟต์แวร์เร็วกว่าบริการ มุมมองของผมคือในอีก 10 ปีข้างหน้า งบทดสอบมูลค่า 65-100 พันล้านดอลลาร์ จะเปลี่ยนเป็นแบบ agentic (นั่นคือส่งผ่าน agent และแพลตฟอร์ม แทนการจ้างเป็นรายชั่วโมง) และนี่คือก้อนเงินที่ผู้เล่นทุกคนในตลาดนี้กำลังแย่งชิงกันอยู่

ทุกนี้งบทดสอบถูกใช้ไปกับอะไรบ้าง? สี่แหล่งใช้จ่ายด้านคุณภาพ (The Four Pools of Quality Spend)

งบทดสอบทุกรายการจะถูกแบ่งออกเป็นสี่แหล่ง ได้แก่ Hands (คน), Scripts (สคริปต์), Rails (โครงสร้างพื้นฐานการรัน) และ Proof (หลักฐานยืนยัน) Agentic QA จะบีบสองแหล่งแรกให้เล็กลง ขยายแหล่งที่สาม และเปลี่ยนแหล่งที่สี่ให้กลายเป็นบรรทัดงบประมาณจริง ๆ

สี่แหล่งใช้จ่ายด้านคุณภาพ คือโมเดลสำหรับติดตามว่าเงินถูกใช้ไปที่ไหนและเคลื่อนย้ายไปทางใด:

1. Hands - คนที่ทำหน้าที่ทดสอบ: นักทดสอบแมนนวลในองค์กร, ทีม regression แบบ offshore, รอบการทำ UAT
2. Scripts - การสร้างและดูแลระบบอัตโนมัติแบบสคริปต์: ชุดเทสต์ Selenium, Playwright และ Appium, เฟรมเวิร์กต่าง ๆ และชั่วโมงทำงานของ SDET ที่คอยรักษาสถานะให้ผ่านตลอด
3. Rails - โครงสร้างพื้นฐานที่ใช้รันเทสต์: browser grids, real-device clouds, ระบบ orchestration, ความจุของ CI
4. Proof - การตรวจสอบที่เป็นอิสระ: หลักฐานที่ยืนยันว่าซอฟต์แวร์และ AI agent ทำงานถูกต้อง ทั้งก่อนและหลังการปล่อยเวอร์ชัน

ส่วนที่ขัดกับความเชื่อเดิมคือ Rails ข้อเสนอขายเครื่องมือทดสอบด้วย AI ส่วนใหญ่มักสัญญาว่าจะลดค่าใช้จ่ายด้านโครงสร้างพื้นฐานลง แต่ผมคาดว่าตรงกันข้าม Agent ไม่รู้จักเบื่อ ดังนั้นพวกมันจึงทดสอบเส้นทางมากขึ้น อุปกรณ์มากขึ้น และ build มากขึ้น ปริมาณการรันจะสูงขึ้น สิ่งที่ต้องลดลงคือต้นทุนต่อการรันหนึ่งครั้ง นี่คือเหตุผลที่ระบบ orchestration สำคัญกว่าขนาด grid ล้วน ๆ

งบทดสอบส่วนไหนจะหดตัวลงเมื่อ AI testing agent เข้ามา?

Hands และ Scripts จะหดตัวลงก่อน เพราะนั่นคืองานที่ AI testing agent ทำได้โดยตรง และทั้งสองส่วนยังถูกซื้อขายกันเป็นรายชั่วโมง

มีสัญญาณสองอย่างที่บ่งบอกว่าการเปลี่ยนแปลงนี้ได้เริ่มขึ้นแล้ว:

• ชั่วโมงทำงานสูญเสียจุดยึด หาก agent สามารถรันและแก้ไขชุดเทสต์ regression ทั้งหมดได้ในชั่วข้ามคืน หน่วยของมูลค่าจะกลายเป็น "เวอร์ชันที่ได้รับการตรวจสอบแล้ว" เจ้าของงบเริ่มรู้สึกถึงแรงกดดันนี้แล้ว: ใน ผลสำรวจ CIO เดือนตุลาคม 2026 ของ Gartner เงินทุนกำลังเคลื่อนไปสู่ GenAI และ agentic AI ในขณะที่งบแบบเดิมถูกตัดทิ้ง การต่อสัญญาเครื่องมือทดสอบคือพื้นที่แรกที่การตั้งราคาตามผลลัพธ์ (outcome-based pricing) จะเข้ามามีบทบาท
• AI ที่แปะเพิ่มเข้ามาทีหลังให้ผลลัพธ์ต่ำกว่าเป้า World Quality Report 2025-26 ของ Capgemini พบว่า 89% ขององค์กรกำลังทดลองหรือนำ GenAI มาใช้ใน quality engineering แต่มีเพียง 15% เท่านั้นที่ขยายไปถึงระดับเอ็นเทอร์ไพรซ์ ผลผลิตที่เพิ่มขึ้นโดยเฉลี่ยอยู่ที่ 19% ซึ่งถือว่าค่อนข้างน้อย เพราะทีมส่วนใหญ่แค่เอา AI มาแปะเข้ากับ workflow เดิม แทนที่จะรื้อออกแบบกระบวนการใหม่

แหล่ง Scripts ไม่ได้หายไปไหน เทสต์ที่เขียนด้วยโค้ดยังคงรันอยู่ใน CI และ SDET ก็ยังเป็นเจ้าของมัน สิ่งที่หายไปคือความจำเป็นที่จะต้องจ่ายเงินให้คนไปแก้ locator ที่เปราะบางหลังจาก UI เปลี่ยนแปลงทุกครั้ง การดูแลรักษาจะเปลี่ยนจากต้นทุนค่าหัวคนเป็นต้นทุนค่าคอมพิวต์ เมื่อ agent เป็นผู้สร้างและแก้ไขเทสต์เคส

ทำไมการตรวจสอบ (verification) ไม่ใช่การสร้างเทสต์ จึงเป็นทรัพยากรที่ขาดแคลน?

เพราะการสร้างเทสต์กำลังถูกลง แต่ความเชื่อมั่นไม่ใช่ ตอนนี้ coding agent ตัวไหนก็เขียนเทสต์สำหรับโค้ดที่มันเพิ่งเขียนขึ้นมาได้ และนั่นคือเหตุผลพอดีว่าทำไมเทสต์เหล่านั้นจะเป็นหลักฐานเดียวไม่ได้ เพราะคนออกข้อสอบเป็นคนตรวจข้อสอบตัวเอง

ข้อมูลเรื่องความเชื่อมั่นสอดคล้องกันหมด:

• ตามรายงาน KPMG's Q1 2026 AI Pulse 54% ขององค์กรกำลังใช้งาน AI agent และ 63% กำหนดให้มนุษย์ต้องตรวจสอบผลลัพธ์จาก agent ซึ่งเพิ่มขึ้นจาก 22% ในปีก่อนหน้า
• ผลสำรวจเดือนตุลาคม 2026 ของ Gartner กับ CIO 2,002 คน พบว่ามีเพียง 13% ที่ได้คุณค่าที่สำคัญหรือพลิกโฉมจาก AI และมีเพียง 31% ที่มีกฎเกณฑ์ระบุว่าเมื่อใดไม่ควรนำโปรเจกต์ทดลองขึ้น production
• จาก งานวิจัยของ Gartner ภายในสิ้นปี 2027 โปรเจกต์ agentic AI มากกว่า 40% จะถูกยกเลิก ด้วยเหตุผลด้านต้นทุน คุณค่าที่ไม่ชัดเจน หรือการควบคุมความเสี่ยงที่ไม่เพียงพอ
• Capgemini Research Institute (2025) พบว่าความเชื่อมั่นต่อ agent ที่ทำงานอัตโนมัติเต็มรูปแบบลดลงจาก 43% เหลือ 27% ภายในระยะเวลาหนึ่งปี
• Forrester Predictions 2027 ตามที่ TechNewsWorld รายงาน คาดการณ์ว่าบั๊กในโค้ดที่สร้างโดย AI อาจทำให้เกิดระบบล่มระดับโลกที่กระทบหลายอุตสาหกรรม

วงกลมล้อมเลข 63% นั้นไว้ การให้มนุษย์ตรวจสอบผลลัพธ์ของ agent คือแหล่ง Hands ที่วนกลับมาทางประตูหลัง ถ้าคุณไม่ยอมลงทุนกับ Proof ที่ความเร็วระดับเครื่องจักร คุณก็ต้องไปลงทุนกับ Proof ที่ความเร็วระดับคน และ ROI ของ agent ก็จะหายไปในคิวรอรีวิว

การตรวจสอบที่เป็นอิสระ (independent verification) คืออะไร?

การตรวจสอบที่เป็นอิสระ คือหลักฐานเกี่ยวกับพฤติกรรมของซอฟต์แวร์ที่ถูกสร้างขึ้นโดยระบบที่แยกออกจากระบบที่สร้างหรือรันซอฟต์แวร์นั้น ไม่ว่าจะเป็นบันทึกวิดีโอ, log, assertion และคะแนนที่ผู้ตรวจสอบหรือ auditor สามารถนำไปตรวจทานได้ ความเป็นอิสระคือสิ่งที่เปลี่ยนคำกล่าวอ้างให้เป็นหลักฐาน

คาดว่าทุกแพลตฟอร์ม agent จะจัดส่งเทสต์สำหรับ agent ของตัวเอง องค์กรต่าง ๆ รัน agent ข้ามทั้ง CRM, ERP, contact-center และระบบ custom ดังนั้นหลักฐานที่ใช้รับรองการปล่อยเวอร์ชันจะต้องมาจากชั้นที่ไม่ได้ขึ้นอยู่กับระบบใดระบบหนึ่งเลย

Observe, eval หรือ assure: คุณต้องการแบบไหน?

งบ Proof ถูกแบ่งตามช่วงเวลา Assurance ตอบคำถามว่า "ควรปล่อยเวอร์ชันนี้ไหม?" ก่อนการเปิดตัว ส่วน eval และ observability ตอบคำถามว่า "มันทำงานเป็นอย่างไรบ้าง?" หลังจากเปิดตัวไปแล้ว

Agent Assurance คือการทดสอบ workflow ระหว่าง agent ด้วยกันในสภาพแวดล้อมก่อนขึ้น production โดย testing agent จะเข้าไปทดสอบ agent อื่นก่อนการปล่อยเวอร์ชันโดยไม่ต้องมีคนเข้ามาเกี่ยวข้อง และส่งคืนหลักฐานพฤติกรรมออกมา นี่เป็นส่วนที่ใหม่ที่สุดของ Proof และเป็นส่วนที่ได้รับจัดสรรงบน้อยที่สุดในปัจจุบัน

CIO ควรจัดการงบ QA อย่างไรในปี 2027?

วัดขนาดแหล่งใช้จ่ายทั้งสี่ของคุณ แล้วย้ายเงินจาก Hands และ Scripts ไปสู่ Rails และ Proof เมื่อถึงรอบต่อสัญญา ไม่ใช่ก่อนหน้านั้น ใช้สกอร์การ์ดนี้เพื่อดูว่าคุณยืนอยู่จุดไหน

สกอร์การ์ดการจัดสรรงบใหม่สำหรับ Agentic QA

ให้คะแนนแต่ละข้อ 0 (ไม่ใช่), 1 (บางส่วน) หรือ 2 (ใช่):

• ☐ คุณทราบหรือไม่ว่างบทดสอบของคุณถูกแบ่งไปยัง Hands, Scripts, Rails และ Proof ในสัดส่วนเท่าใด?
• ☐ สัญญาจ้างทดสอบภายนอกที่จะต่ออายุในปี 2027 ตั้งราคาตามผลลัพธ์ แทนที่จะเป็นชั่วโมงหรือจำนวน FTE หรือไม่?
• ☐ ค่าใช้จ่ายในการดูแลเทสต์เคสถูกรวมเป็นบรรทัดต้นทุนแยกต่างหากหรือไม่?
• ☐ เทสต์เคสใหม่ที่เพิ่มขึ้นส่วนใหญ่ถูกสร้างหรือแก้ไขโดย agent โดยมีมนุษย์เป็นผู้รีวิวหรือไม่?
• ☐ ชั้น execution ของคุณรองรับการรันปริมาณระดับ agent-scale แบบขนานกัน บนเบราว์เซอร์และอุปกรณ์จริงได้โดยไม่ต้องเข้าคิวหรือไม่?
• ☐ การตรวจสอบเป็นอิสระจากระบบที่เขียนโค้ดหรือรัน agent หรือไม่?
• ☐ คุณทดสอบ chat, voice และ IVR agent รวมถึง workflow ระหว่าง agent ด้วยกันก่อนการปล่อยเวอร์ชัน แทนที่จะทำเฉพาะหลังเกิดปัญหาหรือไม่?
• ☐ การปล่อยเวอร์ชันทุกครั้งสร้างหลักฐานที่ทีมบริหารความเสี่ยงหรือ auditor สามารถอ่านเข้าใจได้หรือไม่?

0–5: เสี่ยงสูง คุณกำลังจ่ายราคามาตรฐานปี 2019 สำหรับงานของปี 2026 6–11: อยู่ในช่วงเปลี่ยนผ่าน เลือกสองข้อที่ได้คะแนนต่ำสุดแล้วแก้ไขก่อนรอบต่อสัญญาครั้งต่อไป 12–16: พร้อมสำหรับ Agentic ปัญหาถัดไปของคุณคือการพิสูจน์คุณค่าให้บอร์ดผู้บริหารเห็น ดังนั้นจงทำให้ Proof สามารถออกรายงานได้

ใครจะชนะและใครจะถูกดิสรัปต์ในตลาดทดสอบซอฟต์แวร์ด้วย AI?

การพึ่งพาส่วนต่างค่าแรงอย่างเดียว และเครื่องมือสร้างเทสต์ที่มีฟีเจอร์เดี่ยว จะเป็นสมการที่แพ้ ผู้ชนะคือแพลตฟอร์มที่ครอบครองการรันเทสต์ในระดับสเกล และมีหลักฐานยืนยันที่เป็นอิสระครอบคลุมการโต้ตอบกับซอฟต์แวร์ทุกรูปแบบ

วิธีที่ชัดเจนที่สุดในการดูแผนที่นี้คือดูว่าใครกำลังคุยกับใคร:

มีสามกลุ่มที่เสี่ยงที่สุด หนึ่ง บริการทดสอบที่ใช้แรงงานคนเป็นหลักซึ่งไม่ปรับการตั้งราคาตามผลลัพธ์ สอง เครื่องมือ "AI test generator" แบบ standalone เพราะตอนนี้ coding agent สร้างเทสต์เคสได้เป็นผลพลอยได้อยู่แล้ว สาม โครงสร้างพื้นฐานที่ขายแค่ความจุ โดยไม่มีระบบ orchestration หรือการเข้าถึงแบบ agent-native

ผู้ชนะจะเป็นแพลตฟอร์มแบบ end-to-end ที่ครอบคลุมทั้งสามแถวสำหรับผู้ซื้อระดับเอ็นเทอร์ไพรซ์และมิดมาร์เก็ต ซึ่งต้องการเวนเดอร์ที่น้อยลง ไม่ใช่ point tool ที่มากขึ้น

TestMu AI อยู่ตรงไหนในวงการ Agentic QA

TestMu AI ได้รับการจัดอันดับเป็น Leader ใน 2026 Gartner Magic Quadrant for Agentic Software Quality Assurance Platforms ผมเป็นผู้ร่วมก่อตั้งบริษัทนี้ ดังนั้นนี่คือวิธีที่เราสร้างสี่แหล่งใช้จ่ายขึ้นมา แทนที่จะเป็นแค่รายการฟีเจอร์ TestMu AI คือแพลตฟอร์ม Agentic Quality Engineering ที่ประกอบด้วยสองส่วนคือ Agentic Testing และ Agentic Cloud ภายใต้หลักการเดียว: ชั้นการตรวจสอบที่เป็นอิสระซึ่งสร้างหลักฐานเชิงพฤติกรรม

• จาก Hands สู่ agent: KaneAI ช่วยให้นักทดสอบแมนนวลและ PM สามารถสร้างและรันเทสต์ด้วยภาษาธรรมชาติ ทำให้ความรู้เฉพาะทางขยายสเกลได้โดยไม่ต้องเพิ่มคน
• จาก Scripts สู่ agent: Kane CLI มอบวงจร quality engineering เต็มรูปแบบให้ SDET และนักพัฒนาผ่าน terminal วางอยู่ข้าง ๆ coding agent ที่พวกเขาใช้อยู่แล้ว
• Rails: HyperExecute ซึ่งเป็นชั้น test orchestration ของเรา รองรับการรันเทสต์ปริมาณมหาศาลควบคู่ไปกับ Real Device Cloud และ Browser Cloud มอบโครงสร้างพื้นฐานเบราว์เซอร์เฉพาะให้กับ AI agent
• Proof: Agent Testing ครอบคลุม chat, voice, IVR, WhatsApp และ video agent ส่วน Rook นำเสนอ Agent Assurance: ให้ agent ทดสอบ agent ด้วยกันก่อนการปล่อยเวอร์ชัน

แพลตฟอร์มเดียวครอบคลุมเว็บ, มือถือ, แอปพลิเคชันสำเร็จรูปอย่าง Salesforce, SAP, Microsoft 365, Oracle และ ServiceNow รวมถึง AI agent สิ่งนี้สำคัญมากเพราะ Proof จะใช้งานได้จริงก็ต่อเมื่อหลักฐานทั้งหมดอยู่ในที่เดียว เราเรียกหมวดหมู่นี้ในภาพกว้างว่า Observe, Eval และ Assure โดย Assure คือจุดที่เราเป็นผู้นำ

การคาดการณ์เรื่อง Agentic QA ในช่วงปี 2027–2030

นี่คือการคาดการณ์ของผม ไม่ใช่รายงานจากนักวิเคราะห์รายใด:

1. ภายในสิ้นปี 2027 RFP ด้านการทดสอบระดับเอ็นเทอร์ไพรซ์จะให้คะแนนเวนเดอร์จากหลักฐานต่อการปล่อยเวอร์ชันหนึ่งครั้ง ไม่ใช่จากจำนวนเทสต์เคสที่สร้างได้
2. ตลอดรอบการต่อสัญญาปี 2027–2028 สัญญาจ้าง regression แบบ outsource จะขยับไปสู่การตั้งราคาตามผลลัพธ์ หรือตามเวอร์ชันที่ได้รับการตรวจสอบแล้ว
3. ภายในปี 2028 องค์กรที่อยู่ในอุตสาหกรรมที่มีกฎหมายกำกับดูแลจะจัดบรรทัดงบประมาณเฉพาะให้ Proof โดยบริหารร่วมกับฝ่ายความเสี่ยงและ compliance
4. ภายในปี 2029 จำนวนการรันเทสต์ที่สร้างโดย agent จะแซงหน้าการรันเทสต์ที่เขียนโดยมนุษย์บนคลาวด์ execution รายใหญ่
5. เหตุระบบล่มจากโค้ด AI ครั้งใหญ่ครั้งแรก จะส่งผลต่องบ Proof เหมือนที่เหตุระบบล่มขนาดใหญ่เคยทำกับ observability: เปลี่ยนจากโบนัสพิเศษให้กลายเป็นวาระการประชุมบอร์ด

บทสรุป: Agentic QA ย้ายเงิน ไม่ใช่แค่ย้ายงาน

Agentic QA ไม่ใช่แค่เวอร์ชันที่ถูกกว่าของการทดสอบที่คุณซื้ออยู่ในปัจจุบัน แต่มันคือรูปแบบการใช้จ่ายที่แตกต่างออกไปโดยสิ้นเชิง: ชั่วโมงทำงานน้อยลง สคริปต์ที่เขียนด้วยคนน้อยลง การรันเทสต์มากขึ้น และมีบรรทัดงบประมาณใหม่สำหรับการตรวจสอบที่เป็นอิสระ การที่ Gartner เปลี่ยนชื่อหมวดหมู่นี้บอกคุณว่าการเปลี่ยนแปลงนี้เป็นทางการแล้ว และการที่ 63% ขององค์กรยังคงตรวจสอบผลลัพธ์จาก agent ด้วยคน บอกคุณว่าเรายังไปไม่ถึงจุดนั้น

ลองใช้สกอร์การ์ดนี้ในไตรมาสนี้ ทำแผนที่แหล่งใช้จ่ายทั้งสี่ของคุณ แล้วจึงย้ายงบไปยังจุดที่หลักฐานถูกสร้างขึ้น

ขั้นตอนต่อไป: ดูว่า HyperExecute และ Agent Testing เข้ากับแหล่ง Rails และ Proof ของคุณได้อย่างไร หรืออ่าน เอกสารประกอบของ TestMu AI

คำถามที่พบบ่อย (FAQ)

Agentic QA คืออะไร?

Agentic QA คือการประกันคุณภาพซอฟต์แวร์ที่ AI agent เป็นผู้วางแผน สร้าง รัน และดูแลเทสต์เคสเพื่อให้บรรลุเป้าหมายที่กำหนดไว้ โดยมีชั้นการตรวจสอบที่เป็นอิสระเพื่อยืนยันว่าซอฟต์แวร์ทำงานตามที่กำหนดไว้จริง ซึ่งต่างจากการทดสอบแบบ AI-augmented ที่มนุษย์ยังคงเป็นผู้ควบคุมเครื่องมือ ใน agentic QA ตัว agent จะเป็นผู้ลงมือทำงาน และมนุษย์จะเป็นผู้ตรวจสอบหลักฐาน

ทำไม Gartner ถึงเปลี่ยนชื่อ Magic Quadrant ด้านการทดสอบซอฟต์แวร์?

เมื่อวันที่ 6 ตุลาคม 2026 Gartner ได้เผยแพร่รายงาน Magic Quadrant for Agentic Software Quality Assurance Platforms ซึ่งมาแทนที่รายงานปี 2025 เรื่อง AI-Augmented Software Testing Tools การเปลี่ยนชื่อนี้สะท้อนถึงการเปลี่ยนผ่านจาก AI ที่ช่วยเหลือนักทดสอบที่เป็นมนุษย์ ไปสู่ AI agent ที่ทำหน้าที่ทดสอบเอง ซึ่งมีแรงผลักดันจากการที่ coding agent ผลิตซอฟต์แวร์ได้เร็วกว่าที่ทีมจะตรวจสอบทัน

ตลาดทดสอบซอฟต์แวร์ในปี 2026 มีขนาดใหญ่แค่ไหน?

Global Market Insights ประเมินว่าตลาดทดสอบซอฟต์แวร์จะมีมูลค่า 65.9 พันล้านดอลลาร์ในปี 2026 เพิ่มขึ้นจาก 60.5 พันล้านดอลลาร์ในปี 2025 และเติบโตราว 7.7% ต่อปีจนแตะ 127.5 พันล้านดอลลาร์ภายในปี 2035 บริการทดสอบคิดเป็น 38% ของการใช้จ่ายในปี 2025 ส่วนการทดสอบด้วย AI มีมูลค่าราว 544 ล้านดอลลาร์ในปี 2025 ตามข้อมูลของ Research and Markets ซึ่งคิดเป็นไม่ถึง 1% ของมูลค่ารวม ตัวเลขทั้งหมดนี้เป็นการประมาณการของบริษัทวิจัย

AI testing agent จะช่วยลดงบ QA หรือไม่?

ในมุมมองของเราคือไม่ AI test agent ช่วยลดค่าใช้จ่ายด้านชั่วโมงทดสอบแมนนวลและการดูแลสคริปต์ แต่ก็เพิ่มปริมาณการรันเทสต์ และสร้างความต้องการการตรวจสอบที่เป็นอิสระตามมา ภายใต้โมเดลสี่แหล่งใช้จ่ายด้านคุณภาพ เงินจะถูกย้ายจาก Hands และ Scripts ไปสู่ Rails (โครงสร้างพื้นฐานการรัน) และ Proof (การตรวจสอบ) แทนที่จะหายไปเฉย ๆ

โมเดลสี่แหล่งใช้จ่ายด้านคุณภาพคืออะไร?

สี่แหล่งใช้จ่ายด้านคุณภาพคือโมเดลสำหรับติดตามว่างบทดสอบถูกใช้ไปที่ไหน: Hands (คนที่ทำหน้าที่ทดสอบ), Scripts (การสร้างและดูแลระบบอัตโนมัติแบบสคริปต์), Rails (browser grids, real-device clouds และระบบ orchestration) และ Proof (การตรวจสอบพฤติกรรมของซอฟต์แวร์และ AI agent อย่างเป็นอิสระ) Agentic QA จะบีบ Hands และ Scripts ให้เล็กลง ขยาย Rails และเปลี่ยน Proof ให้กลายเป็นบรรทัดงบประมาณของตัวเอง

ความแตกต่างระหว่าง agent assurance, evals และ observability คืออะไร?

Agent Assurance คือการทดสอบ workflow ระหว่าง agent ด้วยกันในสภาพแวดล้อมก่อนขึ้น production โดยใช้ testing agent เข้าไปทดสอบ agent อื่นก่อนการปล่อยเวอร์ชันและส่งคืนหลักฐาน Evals คือการให้คะแนนคุณภาพของผลลัพธ์แบบออฟไลน์หรือหลังการปล่อยเวอร์ชัน ส่วน Observability คือสิ่งที่คอยติดตามว่า agent กำลังทำอะไรอยู่ใน production Assurance คือคำตอบของคำถามว่า 'สิ่งนี้ควรขึ้น production หรือไม่?' ในขณะที่ Evals และ observability คือคำตอบของคำถามว่า 'มันทำงานได้ดีแค่ไหนเมื่อขึ้น production แล้ว?'

CIO ควรจัดสรรงบ QA ใหม่สำหรับ agentic AI อย่างไร?

เริ่มต้นจากการสำรวจการใช้จ่ายใน Hands, Scripts, Rails และ Proof จากนั้นเมื่อสัญญาค่อย ๆ ครบกำหนด ให้ปรับเปลี่ยนการใช้จ่าย: ปรับราคาการจ้างทดสอบภายนอกให้อิงตามผลลัพธ์ เลิกสนับสนุนการสร้างชุดสคริปต์ด้วยมือชุดใหม่ ลงทุนในระบบ orchestration และ execution พร้อมทั้งกำหนดผู้รับผิดชอบและงบประมาณให้กับการตรวจสอบที่เป็นอิสระ KPMG พบว่า 63% ของบริษัทยังคงตรวจสอบผลลัพธ์จาก agent ด้วยมือ ดังนั้น Proof จึงเป็นช่องโหว่ที่ต้องอุด