概要
https://zenn.dev/medley/articles/26a8a5d2c8175f
詳細内容
## 組織で育てるAI活用テスト設計の仕組み
https://zenn.dev/medley/articles/26a8a5d2c8175f
メドレーは、AI活用による開発速度向上に伴うQAボトルネックを解消するため、Gitベースで組織学習を可能にするテスト設計支援ツール「qa-knowledge」を開発し、その仕組みと具体的な導入成果を詳述します。
**Content Type**: Tools
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:5/5
**Main Journal**: 88/100 | **Annex Potential**: 87/100 | **Overall**: 88/100
**Topics**: [[AI活用, テスト設計, QA自動化, 組織学習, 開発ワークフロー]]
AI活用による開発速度の劇的な向上は、QAプロセスに新たな課題をもたらします。個人のAI活用はナレッジの属人化と品質のばらつきを招き、メドレーが推進する「CLINICS 10x」のような開発速度10倍化の取り組みにおいて、QAがボトルネックとなるリスクが顕在化しました。この課題を解決するため、同社は組織学習型QAツール「qa-knowledge」を開発しました。
「qa-knowledge」は、AIへの指示となるプロンプトと過去の不具合パターンを含むテスト観点ナレッジをGitリポジトリで一元管理することで、個人のAI活用を組織の資産へと変換します。これにより、AIが専門知識を補完し、誰でも高品質なテスト設計を可能にすることを目指します。サーバー不要のシンプルな構成（GitとAIエディタ/CLIのみ）で、Markdown/YAML形式で管理されるため、AIモデルに依存せず、メンテナンスも容易です。
具体的な仕組みとして、共通知識とプロダクト固有知識を分離した階層型ナレッジ構造を採用。PR差分だけでなく、プロダクト横断的なコードベース全体や仕様ドキュメントを参照して影響範囲を包括的に分析します。このナレッジは、要件ヒアリングからAIセルフレビューまでの5つのフェーズで段階的に絞り込まれ、最適なテスト観点とテストケースを生成します。
最も重要なのは「組織学習」の仕組みです。セッション終了時に生成されたテストケースや発見された新規観点、対話ログが自動的にGitリポジトリにコミットされるため、「使うだけで組織のナレッジが蓄積される」理想を実現します。これにより、テスト設計時間が75%削減（60分から15分へ）、品質のばらつき解消、過去の知見の永続化といった具体的な成果が出ています。
ウェブアプリケーションエンジニアにとって、このアプローチはAIを個別最適ではなく、組織全体でスケールさせるための実践的な青写真を示します。特定のAIモデルに縛られず、汎用的な技術スタック（Git, Markdown）で持続可能な品質向上と開発効率化を実現する本事例は、AI時代の開発ワークフロー再構築において極めて示唆に富むものです。