生成AI活用で「品質」と「開発生産性」を両立 〜 テスト自動化のいまを知る

2026/9/29~9/30
未来をつくるテクノロジー展 日経クロステックNEXT 東京
AIリーダーズEXPO
https://events.nikkeibp.co.jp/xtechnext/2026tky/

セミナー資料

Transcript

1. 未来をつくるテクノロジー展 日経クロステックNEXT 東京 AIリーダーズEXPO セミナー 生成AI活用で「品質」と「開発生産性」を両立 〜 テスト自動化のいまを知る
2. 目次 1. はじめに 2. 開発生産性と品質の両立とテスト自動化 3. テスト自動化ツールでの生成AI活用事例 4. まとめ
3. 概要 ソフトウェア開発における生成AIが普及した現在、開発スピードや生産性と 品質との両立が現場の課題です。 AIは短時間にたくさんのコードを生成できる一方、品質に問題があり、 結果として手戻りが発生する場面もあります。 本セッションではAI時代の品質と開発生産性の考え方と、 E2Eテストにおける生成AI活用の現状についてご紹介します。
4. 自己紹介 MagicPod エバンジェリスト 伊藤 由貴 / Yoshiki Ito QAエンジニア・テスト自動化エンジニアを 10年以上経験。 テスト自動化技術の普及推進チーム立ち上げや、 事業会社でのQAチーム立ち上げを経て、 2025年よりMagicPodエバンジェリスト。 『ソフトウェアテスト技法練習帳』共著。 JSTQBテスト自動化エンジニアシラバス 翻訳メンバー。
5. テスト自動化で リリースサイクルの高速化を支援 AIがテスト実装から実施、報告までをサポート 読みやすくメンテナンス性の高い自動テストを誰でも モバイルアプリとブラウザ テストに対応 AI×ノーコードで テスト自動化を当たり前に
6. 目次 1. はじめに 2. 開発生産性と品質の両立とテスト自動化 3. テスト自動化ツールでの生成AI活用事例 4. まとめ
7. 生成AI活用の現状と開発生産性 ソフトウェア開発の現場では、ソースコード生成やテストケース生成、自動テ ストの実行など生成AI活用が拡大。AIを活用した開発生産性向上が求められて いる。 しかし、目先の開発生産性のみを追求すると弊害もある。 障害対応、不具合修正をはじめ開発部門以外も含めた負荷がかかる 目先の生産性が上がっ（たように見え）ても、ユーザーに届ける価値の生産性が上が らない “品質保証の時間を削ってリリース日を守ると、障害はリリース後に一気に噴き出しま す。リリース後30分で20件を超える問い合わせが入るといった事態は、削った検証時 間の請求書として返ってきます。 ” 引用：スピードの誤解 ～「速く出せば生産性は上がる」は本当か～|CodeZine（コードジン）
8. テスト自動化で品質と開発生産性を両立 NTTドコモ様事例より アジリティと開発効率向上を目的としてE2E試験を自動化した結果、試験に かかる工数を削減でき、品質も向上した。 ドコモで実践するMagicPod活用による 開発の効率化と付随して得られたもの
9. システム（E2E）テストの自動化とは クリックや文字入力などの画面操作、画面表示の確認などをコンピュータで実行可能な形で 実装。主に新規追加・改修箇所以外に影響が出ていないことを確認する回帰（リグレッション） テストで活用できる。 テストの効率化が期待できる一方で、自動化に関するタスクも発生。 現場レベルでは「自動化の導入に失敗した」 「結局手動テストに戻ってしまった」といった声も よく耳にした。 効果：テストの効率化 テストの頻度向上 テストの範囲拡大 不具合をスピーディに検知 課題：工数増リスク vs 自動化そのものの手間 メンテナンスが手間 運用の手間
10. 生成AI活用が進み、テスト自動化も行いやすく テスト分野における生成AI活用の例 テストケース生成 テストケースの優先順位付け テストの拡充・改善 自動テストの生成・編集 期待結果の判定 テスト自動修復 自動テストの 作成・メンテナンス・運用効率UP 不安定さの軽減 工数増リスクを抑え、自動テストを破綻せずに運用できる
11. 目次 1. はじめに 2. 開発生産性と品質の両立とテスト自動化 3. テスト自動化ツールでの生成AI活用事例 4. まとめ
12. MagicPodの生成AI関連機能 MagicPodは、テスト作成のMagicPod Autopilot、結果確認のAIアサーション、 メンテナンスのAI自動修復の3つの機能を搭載し、自動テストの継続を強力にサポートします。 テスト作成 テスト結果確認 テストメンテナンス MagicPod Autopilot AIアサーション AI自動修復 ユーザーの指示に基づき、テスト 画面の内容やテキストを理解し、 UIに変更があった場合に、AIがテ を自動で作成します。既存テスト 従来は人間が検証する必要があっ ストケース側の修正を提案・修復 の修正などにも幅広く対応しま たテスト項目も自動化します。 します。 す。
13. テスト作成：MagicPod Autopilot Autopilotのチャット形式の入力欄に「＊＊＊を行うテストを作成して」などの指示を 出すことで、Autopilotが自動で適切なテストを検討・作成し実行します。 Autopilotのチャットから指示を出します。
14. テスト結果確認：AIアサーション 「AIで確認」コマンドは画面の情報をAIが読み取って、意味を理解した上で検証します。 これまでは人間による目視確認が必要だったテスト項目も、自動化できるようになりました。 1 検索欄に「東京都千代田区」と入力 2 検索ボタンをクリック 3 OK! OK! 千代田区 検索結果画面で「千代田区に位置アイコン が表示されているか」を AIで確認 千代田区にアイコンが 表示されています
15. テストメンテナンス：AI自動修復 テスト対象アプリケーションに変更等があると、そのままではテストは失敗してしまいます。 MagicPodのAIはテストを自動で修復して実行を継続。実行後に修正案を提案します。 自動修復が働くと「要確認」 ! と表示されます
16. MCPサーバーで外部AIエージェント連携 AIエージェントでテストケースを作成し、それをMCPサーバー経由で MagicPodの自動テストとして実装→実行 などの流れも可能。 ユーザー AIエージェント MCP サーバー Aプロジェクトのテストを 全部実行してください Claude Cline Cursor テストを実行
17. AIネイティブなE2Eテストワークフロー これまでのE2Eテスト自動化 仕様変更などを起点にして、人間が変更点を把握し、既存のテスト中の影響範囲 を確認し、自動テストを修正していた 影響範囲の見定めを誤るなど、ヒューマンエラーの危険が常に存在 人間の作業工数大 AIネイティブなE2E自動テストのワークフロー 仕様変更を起点にAIが影響範囲を分析。結果に基づいてAIがテストを修正・実行 人間はレビュー＋必要な手動テストに専念。人間の作業工数を削減
18. ワークフローの全体像（例） １．仕様変更 人間が生成AIを活用し、 仕様変更を ドキュメントとして まとめる。 テスト観点（オプション） テストに関連する 社内ナレッジ集 ２．コード改修 ClaudeやCodex等のAIが仕様変更を読み、 必要な改修を自動で行い、 完了し次第テスト環境にデプロイ。 ３．テストケース更新 ２と並行し、AIが仕様変更を読み、 既存テストケース中の影響範囲を分析。 該当箇所と変更すべき内容を判断し、更新。 ４．自動テストの修正・実行 テストケースの更新内容を読み、 実装済みの自動テストを修正。 テスト環境に対して実行し、 テスト更新とコード改修を確認。
19. ワークフローSKILLの例 --name: spec-change-impact-sync description: 仕様変更のDesignDoc（Notion）を起点に、既存E2Eテストへの影響分析、MagicPodでのテスト修正・新規テスト作成、一括実行での検証、Notionへの結果反 映までを一気通貫で自動実行する。 「仕様変更をテストに反映して」 「この仕様変更の影響分析して」 「DesignDocを見てMagicPodのテストを直して」など、Notion上の仕様変更ドキュメントを起点にE2Eテ スト（MagicPod）を追随させたいときに使う。 --# 仕様変更 影響分析＆テスト同期スキル Notion上の仕様変更ドキュメント（DesignDoc）を起点に、 「既存のE2Eテストが壊れないか」 「新しいテストが必要か」を判断し、MagicPod上のテスト修正・新規作成・実行検証、そしてNotionへの結果反映までを一つの流れとして進める。 ## いつ使うか - Notionに仕様変更のDesignDoc（変更前/変更後、期待される挙動が書かれたページ）があり、それがE2Eテストに与える影響を確認・反映したいとき - 「このDesignDocの内容をMagicPodのテストに反映して」のように、Notion→MagicPod→Notionの一連の流れをまとめて頼まれたとき ## 全体の流れ（5フェーズ） ``` 1. DesignDoc確認 Notionの仕様変更ドキュメントを読み、変更前/後・期待挙動を把握する 2. 影響分析 既存のE2Eテストケース一覧を読み、どのテストが影響を受けるか判定する 3. テスト対応 影響を受けるテストを修正し、必要な場合は新規テストを作る（テスト観点DBを参照） 4. 検証 個別実行→一括実行（バッチラン）で全体が壊れていないことを確認する 5. Notion反映 DesignDocの「対応状況」とテストケース一覧の両方に結果を書き戻す ``` （以下略）
20. 目次 1. はじめに 2. 開発生産性と品質の両立とテスト自動化 3. テスト自動化ツールでの生成AI活用事例 4. まとめ
21. まとめ 開発生産性と品質を両立させるためには、テスト自動化が有効。 テスト自動化にも生成AI技術が適用され、以前と比べメンテナンスや運用 の際の工数増のリスクが低減され、より取り入れやすくなっている。 AIエージェントをハブとして、MagicPodと他のツールを連携させることに より、仕様変更からテストの修正等を含めた一連の流れを生成AIが自律的 に行うワークフローを作成可能。これからは、AIネイティブなE2E自動テス トの時代へ。
22. https://magicpod.com/