AIが変えた"品質の守り方"

by kkakizaki

Embed

Start on current slide

Slide 1

Slide 1 text

第26回 QUES AIが変えた”品質の守り⽅” QAの責任領域はどこまで広がるのか 1 2026.5.28 株式会社GA technologies 柿崎憲

Slide 2

Slide 2 text

会社紹介 & 自己紹介

Slide 3

Slide 3 text

GA technologies GROUP 3 不動産(国内/海外)・M&Aなど、複雑で高額な意思決定を扱うサービス群 ※2025年11月現在 58社ユーザー体験や業務フローが複雑で、品質の影響も大きい領域

Slide 4

Slide 4 text

自己紹介 4 ● 柿崎　憲 ● 2018年入社 ● 主席アーキテクト ○ QA部門 ○ エンジニア組織・採用 ● QUESとの付き合い ○ 第1回『ミクシィの QA 歴史と未来』 ○ 第10回『今、QAに求められていること』

Slide 5

Slide 5 text

今日話したいこと 5 「AIでこんなに便利になりました」という成功談 AIによって、以前から存在していた問題が、急速に無視できなくなり始めている ● AIによって、以前から存在していた技術負債が、より明確になる ● AIによって、以前から QAに求められていたことが、より明確になるこの2つと向き合うきっかけを、今日持ち帰ってもらえたら嬉しいです

Slide 6

Slide 6 text

Agenda 6 1. 生成AI活用の現在地 2. AIが露出させた品質の構造問題 3. QAの責任領域の再定義

Slide 7

Slide 7 text

1. 生成AI活用の現在地

Slide 8

Slide 8 text

GA technologies での生成AI利用状況 8 プルリクベースの調査生成AIは浸透しているプログラミング(場所によっては人が書いていない )・調査・レビューテストコード生成・ドキュメント生成　などユーザーアカウントベースで調査 ※(注) グラフはイメージです

Slide 9

Slide 9 text

開発や品質保証が楽になったか？ 9 そんな単純な話でもなさそう ...... ● レビューが滞留しがち ● レビュー負荷が増えている ● 品質判断の難易度が上がっている AI利用量↑ リードタイムは下がらない ※(注) グラフはイメージです

Slide 10

Slide 10 text

2. AIが露出させた品質の構造問題

Slide 11

Slide 11 text

AIによって先送りしていた構造的な問題が露出している (実感中) 11 “動くコード ”と”信頼できるシステム ”のギャップが拡大している生成AI浸透による開発速度の向上「構造問題の顕在化・品質問題発生」の高速化

Slide 12

Slide 12 text

AIは実装速度だけを先行加速させた 12 AIで高速化 ● コード生成 ● テストコード生成 ● 調査 ● ドキュメント生成人間依存のまま ● システム設計 ● シナリオ設計 ● 運用理解 ● 品質判断・再現性速度差によって “品質成立能力 ”の不足が露出する

Slide 13

Slide 13 text

13 AIは組織の「技術力や設計力」を増幅させるシステム理解・設計力がある状態 : AIの力でさらに加速する設計・品質観点が弱い状態 : AIへの丸投げにより ”早く壊れる ” AI 品質を再現できない組織では、 AIによって実装速度だけが上がり、システム全体の不安定性が増幅する

Slide 14

Slide 14 text

AIへの幻想「テスト自動化のハードルが下がる」 14 AI テストコードテストコードテストコードテストコードテストコード品質を再現できない壁 ● テスト環境 ● テストデータ ● シナリオ再現性テストコード本番環境生成AIを使ってテストコードを大量生産するのは簡単しかし、システム側の設計が整っていなければ、そのテストは無意味自動化は無意味ではない。前提（環境・データ・再現性）がないと、 AIは無駄なテストを速く作るだけ

Slide 15

Slide 15 text

シナリオが通らない構造的な問題 (RENOSYでの具体例 ) 15 シナリオがサービスの境目で途切れる外部API・テストデータ・状態のせいで再現できない原因はAIの性能ではなく「品質を再現できない環境」

Slide 16

Slide 16 text

本当の問題：基盤不在という負債 16 品質を再現できない設計は、単なる技術負債ではなく AI時代の事業運営上の制約になり始めている品質再現基盤の不在開発・リリース速度の低下保守コストの増大障害対応の遅延 AI活用の根本的な阻害 QAだけの問題ではなく、開発組織全体・事業全体へ波及

Slide 17

Slide 17 text

ただし！基盤再構築は始まっている！ 17 限界が見えたからこそ、シナリオベースで品質を再現できる基盤づくりが始まっている品質再現基盤の不在シナリオベース基盤の構築テストデータの整備品質再現性の抜本的改善問題が可視化されたことで、変化を促す動きが加速している！

Slide 18

Slide 18 text

3. QAの責任領域の再定義

Slide 19

Slide 19 text

結論 19 従来から、理想としての QAは要件定義からリリース後まで品質をリードすべきだったただしAI時代は、それが “理想論”ではなく“成立条件”になった

Slide 20

Slide 20 text

仕事から責任へ 20 これからの QAは「テストをする仕事」ではなく、「品質の成立を担保する責任」へ変わる仕事(タスク) 責任(ミッション) 「テストする人」から「品質成立を設計・牽引する人」へ従来：不具合を見つけるタスク現在：品質が成立する仕組みそのものへの関与

Slide 21

Slide 21 text

QAの責任は「確認」から「品質成立・再現性設計」へシフトする 21 観点これまでのQA AI時代のQA 役割品質への早期関与が理想早期関与が必須条件主な責任不具合検出・品質確認品質成立・再現性設計関与範囲要件〜リリース後まで関与すべき要件〜運用まで関与しないと品質リスクを制御しにくい技術関与テスト中心でも成立する場面があったコード・データ・運用理解が不可欠 AIとの関係なし・限定的 AI生成物の判断・レビューが必要

Slide 22

Slide 22 text

QAは「最後の確認者」から「品質成立の接続点」へ 22 QAは品質を”自分で全部作る ”のではなく品質が成立するように領域間を接続・観測・牽引するすべてを実行するのではなく、品質が成立するように関与・牽引する従来：ゲートキーパー型 (最後の確認者) AI時代：品質成立の接続点

Slide 23

Slide 23 text

運用品質との接続が、 AI時代の品質保証の鍵になる 23 AI時代は ”変更量”が増える ● 想定外状態 ● リアルデータ差分 ● 環境差異 ● 障害復旧 ● 可観測性不足が一気に重要になるなぜそれが重要なのか？変更量が増えるほど “運用でしか見えない品質 ”が増えていく

Slide 24

Slide 24 text

QAは品質を成立させるために、設計からプロダクションコードの理解まで踏み込む必要がある (生成AIの助けを得ながら ) 24 設計領域シナリオ設計リスク分析開発領域テストデータ整備 AI生成コードのレビュー (テスト・リスク観点) 運用領域 SRE/CRE プロダクションコード理解品質を成立させるため必要な領域へ生成 AIを活用して関与(オーケストレーション )する

Slide 25

Slide 25 text

変化は新しくない。ただし、もう先延ばしできない 25 Shift Left DevOps Agile 提唱されてきた概念自動化 AI普及 (先延ばし不可の現在) AIの急速な進化がもたらした半ば強制的なアップデート

Slide 26

Slide 26 text

26 ● 生成AIツールを実際に使い　 “何が得意で何が苦手か ”を理解する ● 他部門の仕事や制約を理解する（開発・ PdM・運用・ビジネスなど） ● 自分の担当工程だけでなく、品質が成立していく流れ全体を俯瞰する ● 「何を品質として守るべきか」を、常にチームで問い直し続ける明日からできること AI時代に必要なのは、 “より速く作ること ”だけではなく、 “何を品質として守るのか ”を考え続けること

Slide 27

Slide 27 text

27 ● 品質を再現できないシステムは、 AIの効果すら制約してしまう。 AI活用の前提として、システムが品質を再現できる状態である必要がある ● QAは"確認する役割"から"品質が成立する状態を設計・牽引する役割 "へ。品質は誰か一人が守るものではなく、各職能で成立させるもの。その中でQAは、品質観点から領域をつなぐ役割を担う AIは、品質保証の責任を先送りできなくした AIによって「品質を再現できなくても回る」も「品質は後工程でなんとかなる」も、両方とも成立しなくなり始めているご清聴ありがとうございました