AI4QA AI-assisted QA

設計・テスト仕様のAIマッピングによる
品質レビュー体制の再構築

設計書とテスト仕様書をAIで対応づけ、テストの有無、カバレッジ、抜け漏れ、設計変更の反映を人がレビューできる形にした支援です。設計のレビューでは、必要に応じて画面や現行システムのソースも同じ仕組みに取り込みます。人が主導するQA活動をAIで支援する、AI-assisted QAの事例です。

Challenge

レビューが人に依存し、
不具合が徐々に戻ってきていた。

品質改善が進んだあとのプロジェクトで、開発チーム主体の品質管理へ移行しました。しかし監視の役割が弱まり、リリース後の不具合が徐々に再発するようになりました。

一時的にQA体制を戻すことで沈静化しましたが、特定メンバーの経験に依存しており、そのまま続けられる状態ではありませんでした。

Approach

設計書とテスト仕様書をAIへ取り込み、内容を対応づけました。人が読み比べていた対応関係を、レビューできる形で並べるところがこの支援の中心です。設計のレビューでは、画面や現行システムのソースを加えることもあります。

AIで対応づけるもの

開発ドキュメント設計書 / 変更内容（必要に応じて画面・現行のソース）

テスト仕様書テスト観点 / ケース / 実施結果

整合性のずれ、カバレッジ不足、設計上のリスクを抽出できる仕組みを整えました。あわせて不具合情報は別の系統で蓄積・分析し、レビュー観点の補強に使っています。

AIの出力はそのまま正としません。指摘の候補として扱い、人が原本の設計書とテスト仕様書を確認したうえで判断します。

Prepare

資料を絞って取り込む

対象の設計書とテスト仕様書を限定し、AIへ取り込みます。全部を入れると候補が散るので、見る範囲を先に決めます。
Map

対応づけて、候補を出す

設計の項目とテストの項目を対応づけ、テストが無い箇所、カバレッジが薄い箇所、設計変更が反映されていない箇所を候補として並べます。
Review

人が原本で確認し、判断する

候補を人が原本の資料で確認し、改善指摘と不具合に分けて開発チームへ返します。不具合の情報は別の系統で蓄積し、次回の観点に戻します。

Outcome

AIと人によるレビュー工程で、3か月ごとのリリースのたびに、100件以上の改善指摘と3〜10件前後の不具合を事前に検出しました。件数は対象によって前後します。

開発チーム主体の体制はそのままに、AIが候補を出し、人が原本で確認するレビューの手順を整えました。

支援前

支援後

Contact

いまある資料とテストを見て、どこから突き合わせられるかを整理します。