AIがテストの現場に本格的に入り込み、これまでのテスト戦略やテストプロセスは、そのままでは立ち行かなくなりつつあります。合否で割り切れていた品質はゆらぎを含むものへと変わり、テストを「誰が・何を・どこまで」設計するのかという前提そのものが書き換わろうとしています。
本講演でお伝えしたいのは、「AIに任せる領域が広がるほど、それを束ねるテストマネジメントの理解がいっそう重要になる」ということです。リスクに基づいて優先順位をつけ、カバレッジを見立て、品質を関係者に説明する——こうしたテストマネジメントの基本は、自律的に動く部分が増えるからこそ、立ち戻れる拠りどころとして重みを増します。
どこまで任せるか、任せた先の品質を誰がどう見立てるか。お持ち帰りいただきたいのは答えではなく、明日からご自身のチームのテスト戦略を見直すための問いと気づきです。変化の激しい時代だからこそ、確かな拠りどころとなるマネジメントの視点を武器に、新しいQAの形をご自身で描き出すためのヒントとなれば幸いです。

コードベースのE2E自動テストは、テスト実行の効率化や品質向上に有効です。一方、プログラミング未経験者を含むQA組織では、AIでテストコードを作れるようになっても、導入や継続に難しさを感じられがちです。現場で、特に詰まりやすいのは、コードを書くこと自体だけでなく、品質と一貫性をどう担保するか、誰がレビュー責任を持つかといった運用設計です。本セッションでは、コードベースE2E自動テストを「始めて、定着させる」ために、最初は普及させたい人がAIも活用しつつガードレール込みで形を作り、段階的にメンバーを巻き込む進め方を紹介します。技術そのものではなく、役割分担・学習の順序・QA組織としての責任の持ち方に焦点を当て、具体例と成果を交えて解説します。

生成AIを組み込んだプロダクトのテストは「確率との戦い」です。決定論的な従来のソフトウェアと異なり、同じ入力でも出力が揺らぐ、AIモデルの更新やプロンプト改修で気づかぬうちに精度が落ちる、といった課題に直面します。本セッションでは、勤怠管理システムの「AIによる有給付与ルールの自動作成」機能を題材に、私が構築したテストアーキテクチャを紹介します。鍵となるのは、目的の異なる2つのレイヤーへテストを分離した設計です。API経由の結合テスト層で「現状の精度を維持する」守りの品質を、単一プロンプトの単体テスト層で「精度を伸ばす」攻めの品質を担保します。既存コードと改修コードのスコア差分から自動判定する仕組みや、ユーザーフィードバックを起点にテストケースを増やす運用サイクルまで、実践例を交えて解説します。

給与計算のようなミッションクリティカルなSaaS製品では、高い信頼性を確保しながら、継続的なリリース速度を維持することが不可欠です。その両立には、リスクベースの自動テスト戦略を、再現性のある形で継続的に運用できる状態にする必要があります。
しかし実際には、どの観点をどこまで自動化し、どこを人手のテストに残すかという判断は属人的になりやすく、その思考プロセスの多くは暗黙知のまま共有・蓄積されにくいという課題があります。
本セッションでは、品質基準を言語化し、AIコーディングアシスタントに組み込んだ実践をもとに、AIが提案する自動テストと、人間のリスクベース思考にもとづくテスト設計・自動化範囲の選定との差分を、給与計算機能を題材に試してみました。さらに、その差分を分析する過程で見えてきた、QAエンジニアが自動テスト戦略を組み立てる際に暗黙的に行っている文脈判断について、分かったことを共有します。
このアプローチを通じて、品質基準の言語化が自動テスト戦略における暗黙知を可視化するプロセスになり得ること、そしてAIを比較対象として活用することで見えてきた、自動化すべき範囲や優先度に関するQAエンジニアの判断基準についての気づきを共有します。