概要
https://qiita.com/ktsubone/items/6df0a850e8a0a53c03af
詳細内容
## 生成AIでテスト設計の手作業を半減させた話【Claude Code × Notion】
https://qiita.com/ktsubone/items/6df0a850e8a0a53c03af
Claude CodeとNotionを連携させ、テスト観点からテストケースを自動生成することで、QAエンジニアの単純作業を50%削減する手法を提示する。
**Content Type**: 📖 Tutorial & Guide
**Language**: ja
**Scores**: Signal:5/5 | Depth:3/5 | Unique:3/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 83/100 | **Annex Potential**: 77/100 | **Overall**: 80/100
**Topics**: [[QA, Claude Code, Notion, テスト設計, 業務効率化]]
QAエンジニアが直面する「テスト観点表からテストケースへのコピペ」や「手動での採番」といった、非創造的でありながらミスの許されない単純作業を、最新のAIエージェントツール「Claude Code」を用いて解消する具体的なプロセスが解説されている。著者はKIYOラーニング株式会社のQAエンジニアであり、現場の切実な課題（コピペ地獄や採番ミスによる手戻り）を背景に、生成AIの導入によって作業時間を約50%削減した実体験を共有している。
主なワークフローは、マークダウン形式で作成したテスト観点ファイルとソースコードをClaude Codeに読み込ませ、詳細なプロンプトに従ってCSV形式のテストケースを出力、それをNotionへインポートするというものである。特筆すべきは、プロンプト内で「1ケース1期待結果」の原則や、OS・ブラウザの膨大な組み合わせ（互換性テスト）の自動展開を定義している点だ。これにより、人間が作成すると数時間を要する大規模なマトリックス生成も、AIが一瞬で、かつ一貫性を保ったまま完結させる。
導入にあたっての技術的な壁と解決策についても具体的に言及されている。例えば、テスト観点が漏れる問題に対しては、入力となる表形式を「1行1項目」に単純化することでAIの解釈精度を向上させた。また、大規模案件で発生する「トークン上限（32,000トークン）」によるエラーに対しては、ファイルを分割して生成し、Notion側で統合するという現実的な運用回避策を提示している。
著者は、生成AIに任せているのはあくまで「コピペ」「採番」「転記」といった単純作業であり、テスト観点の検討や品質の最終判断というQAの本質的な業務は依然として人間が担うべきだと強調している。この「考える作業」と「書く作業」を分離し、後者をAIに委ねるアプローチは、Webアプリケーション開発におけるQA工程のボトルネックを解消する極めて実用的なソリューションである。生成AIの出力品質はプロンプトの改善サイクルに依存することを認めつつも、エンジニアがより高度なテスト設計に集中できる環境を構築した意義は大きい。