概要
https://www.lifull.blog/entry/2025/12/20/120000
詳細内容
## 仕様書を渡すとテスト観点を抽出してテストケースまで生成する上に使うほど賢くなったらいいなぁ...なAIエージェントをつくったよ
https://www.lifull.blog/entry/2025/12/20/120000
仕様書の深層理解からテストケースの自動生成、さらには人間による修正内容をナレッジとして自律的に蓄積するQAエージェントを構築し、テスト工程の劇的な効率化を実現した。
**Content Type**: ⚙️ Tools
**Language**: ja
**Scores**: Signal:5/5 | Depth:4/5 | Unique:5/5 | Practical:4/5 | Anti-Hype:4/5
**Main Journal**: 88/100 | **Annex Potential**: 90/100 | **Overall**: 88/100
**Topics**: [[テスト自動化, AIエージェント, QAエンジニアリング, ドメイン知識, 自己学習型システム]]
株式会社LIFULLのQAエンジニアが開発した、仕様書の解析からテストケース作成、そしてナレッジの自己蓄積までを一気通貫で行うAIエージェントの事例報告である。このツールは、単なるテキスト生成に留まらず、実務上の「精度」と「属人化」の課題を解決するための高度なワークフローが組み込まれている。
筆者は、QA活動におけるLLM活用の核心として「仕様理解の徹底」と「人間による軌道修正」を挙げている。完璧な仕様書は存在しないという前提に基づき、エージェントはいきなりテストケースを作成するのではなく、まず仕様の曖昧さや矛盾、プロダクトリスクを特定するステップから開始する。この「仕様理解」のフェーズで人間がレビューを行うことで、後続のテスト観点抽出やテストケース生成における精度の乖離を最小限に抑える設計となっている。
技術的に最も特徴的なのは、「使うほど賢くなる仕組み」の実装である。人間がエージェントの出力に対して行った指摘や修正内容から、AIが自動的に「なぜその修正が必要だったのか」というナレッジを抽出する。このナレッジは「ドメイン知識」と「テスト技術」に分類され、GitHubのプルリクエストとして自動生成される。これにより、従来は各担当者の記憶の中に閉じていた暗黙知が、プロンプトや知識ベースとしてシステム全体に還元され、利用回数が増えるほどツール全体の精度が向上するサイクルを確立している。
また、実務への導入を容易にするため、テストケースはJSON形式で出力され、Google Apps Script（GAS）を介してスプレッドシートへ即座にインポートできる仕組みが整えられている。筆者は、修正回数に上限（最大5回）を設けることで、インポート元の仕様書自体の品質不備を検知し、ドキュメントの見直しを促すという副次的効果についても述べている。現在はナレッジの肥大化に伴う制御が課題となっているが、AIレビュアーによる重複削除や一貫性担保といった今後の展望も示されており、LLMを単なる「生成ツール」から「自律的に成長するQAパートナー」へと進化させるための具体的な実装指針となっている。