概要
https://speakerdeck.com/mineo_matsuya/aihabian-geng-chai-fen-karayunitutotesuto-jie-he-tesuto-sisutemutesutodetesutosubekikotogachu-serunoka
詳細内容
## AIは変更差分からユニットテスト_結合テスト_システムテストでテストすべきことが出せるのか？
https://speakerdeck.com/mineo_matsuya/aihabian-geng-chai-fen-karayunitutotesuto-jie-he-tesuto-sisutemutesutodetesutosubekikotogachu-serunoka
実験により、AIがコード変更差分からユニット・結合・システムテストの適切な観点を生成し、見落としがちなバグの発見に貢献しうるが、完璧ではなく人間の補完が不可欠であることが示されました。
**Content Type**: Research & Analysis
**Scores**: Signal:5/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:5/5
**Main Journal**: 90/100 | **Annex Potential**: 89/100 | **Overall**: 92/100
**Topics**: [[AIテスト生成, ユニットテスト, 結合テスト, システムテスト, 品質保証]]
本記事は、AIがコードの変更差分からユニットテスト、結合テスト、システムテストの各レベルで適切なテスト観点を生成できるかを検証した実験結果を共有します。ウェブアプリケーション開発において、頻繁なコード変更に伴うテスト設計は大きな課題であり、AIの活用はその効率化と品質向上に直結します。
実験では、CursorとClaude-4-Sonnetを使用し、横スクロールシューティングゲームの新機能（クラスター爆弾）実装時の変更差分をAIに与え、意図的に仕込んだ二つのバグ（ダメージ値のハードコード、親弾のタグ設定漏れ）をAIが見つけられるようなテスト観点を出せるかを試みました。結果として、AIはこれらの「見落としがちなバグ」を捕捉可能なテスト観点を提示し、人間が忘れがちな非機能要件（パフォーマンス、メモリリーク）に関する観点も漏れなく生成しました。特にユニットテスト観点は人間以上に詳細でした。
しかし、AIにはプロジェクト固有の仕様理解が不足している点や、存在しない機能に関するハルシネーション（幻覚）、過剰なテスト観点（例えば不要な物理演算確認）を提示する課題も浮き彫りになりました。この結果から、「AIでテスト観点を生成し、人間が取捨選択・補完する」という協調戦略が最も実用的であることが示唆されます。
この知見は、私たちウェブアプリケーションエンジニアにとって非常に重要です。AIをテスト計画の初期ドラフト作成や、見落としがちなテスト観点の洗い出しに活用することで、テスト工数を削減しつつ品質を向上させることが可能です。ただし、AIの出力はあくまで「たたき台」であり、プロダクトの特性に応じた人間の精査と判断が不可欠であることを理解することが、今後の効率的な開発ワークフロー構築の鍵となるでしょう。