概要
https://techblog.hacomono.jp/entry/2025/11/25/110000
詳細内容
## AIでテスト設計を自動化：チームの事例紹介
https://techblog.hacomono.jp/entry/2025/11/25/110000
hacomonoチームは、AIを活用したテスト分析とテストケース作成の自動化を導入し、エンジニアのテスト設計負担を軽減しつつ、コードと仕様の整合性を参照して網羅的かつ精度の高いテスト観点を提供することで、開発品質と生産性の両立を実現しました。
**Content Type**: Tutorial & Guide
**Language**: ja
**Scores**: Signal:5/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 91/100 | **Annex Potential**: 88/100 | **Overall**: 88/100
**Topics**: [[AI for QA, テスト自動化, プロンプトエンジニアリング, アジャイル開発, 開発者生産性]]
hacomonoのエンジニアチームは、QAリソースが不足する状況を背景に、テスト工程の効率化と品質向上の両立を目指し、AIを活用したテスト設計とテストケース作成の自動化に着手しました。従来の課題として、エンジニアがテスト設計を兼務することによる作業負担の増大や、実装者自身の「思い込み」によるテスト観点の抜け漏れリスクが挙げられていました。
この課題に対し、チームはAIにテスト分析とテストケース作成を任せることで、エンジニアの負荷軽減と品質保証体制の安定化を図る解決策を導入しました。このシステムでは、アジャイル開発における具体的な作業項目であるPBI（Product Backlog Item）のタイトル、受け入れ条件、および「やらないこと（Out of Scope）」を対話形式でAIにインプットします。AIは「QAエキスパート」の役割を担い、事前に定義されたMarkdown形式のプロンプトに従って、「テスト分析テンプレート」と「テストケーステンプレート」に基づいた成果物を自動生成します。
プロンプトには、受け入れ条件から導かれる標準的なテスト観点に加え、仕様に明記されていない不具合の可能性や想定外の使われ方に着目した「アドホックテスト（探索的テスト）」の観点を盛り込むよう指示されています。さらに、AIは既存のプロダクトコードや仕様情報も参照することで、コードの実装内容に即したテスト観点を導き出し、受け入れ条件にはないロジック分岐やエッジケース、さらには仕様と実装の不整合までを検知し、テストケースとして補完します。これにより、単なるテンプレートの埋め合わせに留まらず、「仕様と実装」の両方を深く理解した上で、体感で8〜9割の完成度を持つ精度の高いテスト成果物が自動生成されると筆者は述べています。
この自動化の導入により、エンジニアはテスト設計の初期段階の負担が大幅に軽減され、QAメンバーは最終レビューや微調整、より専門的な探索的テストに集中できる体制が構築されました。筆者は、まだ試行錯誤の段階であるとしつつも、AIによるテスト設計の自動化が開発現場のスピード感と品質の両立に大きく貢献すると結論付けています。