Overview
まず、2つに分けて考えます。
ひとつは、AIを使ってQAそのものを強くすること。もうひとつは、AIを載せた機能の品質を評価することです。同じ「AIと品質」でも、対象がまったく違います。
QA4AI
AI機能そのものの品質を評価する
QA4AI
AIを載せた機能の出力品質を評価する
説明を見るAI4QA / 中核
QAプロセスそのものを、
Agentで動かす。
テストを速く作ることが目的ではありません。実際に動いているシステムを見て、何を確かめるべきかを決めるところからAI Agentに担わせ、その結果を次の判断へ戻します。EightDoorはこれをAgentic QA（エージェント型QA）と呼び、QA×AIの中核として扱っています。
観察から学習までを一度きりの作業にせず、循環させる。この循環をClosed Quality Loopと呼びます。
実際のシステムを見る
事実と推測を分けて理解する
何を確かめるか決める
テストを設計し、実行する
繰り返す確認を自動化する
結果と発見を知識へ戻す
System Knowledge
事実・推測・資料記載・確認済み仕様・不明点の5つに分けて持つ知識基盤です。資料に書かれていることと、業務仕様として確認が取れていることは、別の状態として扱います。結果と発見がここへ戻り、次の理解と判断に使われます。
Human gate
業務仕様の確定、推測の扱い、重要な品質判断は人が確認します。完全に自律したAIで人の確認が不要になる、という考え方は取りません。
Definition
Agentic QAとは
Agentic QA（エージェント型QA）とは、AI Agentが実際のシステムを観察し、事実と推測を分けて理解を更新しながら、何を確かめるかを判断し、テストの設計・実行・自動化・学習までを1つの循環（Closed Quality Loop）として回すQAの進め方です。AIでテストを生成する作業だけを指す言葉ではなく、観察から学習までがつながっていることを条件にしています。業務仕様の確定や重要な品質判断には、人が確認する関所（Human gate）を置きます。
AI4QA
いまのQA活動を、
AIで支援する。
人が主導するいまのQA活動に、AIを取り入れて効率を上げます。進め方を大きく変えずに、使えるところから取り入れます。
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、人が原本を確認したうえで判断します。
Test Generation
テストケース生成
仕様書や画面から、テストケースの叩き台をAIで作ります。観点の抜けがないかを人がレビューして仕上げます。
Coverage Review
カバレッジのレビュー
開発ドキュメントとテスト仕様書を対応づけ、テストの有無、抜け漏れの候補、設計変更の反映を確認できる形にします。
Automation
テスト自動化
繰り返す確認を自動化し、テストスクリプトの作成と保守の手間をAIで減らします。
Tooling
QAツールの開発
テストデータの作成や不具合の整理など、現場の手作業をAIを使った小さなツールで効率化します。
QA4AI
AI機能そのものの品質を、
評価する。
生成AI、RAG、AIを載せた機能の出力品質を評価する領域です。Golden Dataset（想定する質問と期待する回答の組）を整え、検索精度、回答品質、想定回答との差を見ます。モデル・プロンプト・データを変えたあとの回帰評価も同じ基準で行います。
これは「AIを使ってQAをすること」ではありません。Agentic QAやAI-assisted QAとは、評価する対象も目的も異なります。
Architecture
複数システムへ
広げるための構成
Closed Quality Loopを1つのシステムで回せるようになったあと、同じ進め方を複数のシステムへ広げるための構成です。QMOはAgentic QAそのものではなく、Loopを横断して運ぶ上位のレイヤーとして位置づけています。
QMO Orchestrator
品質方針 / 共通Skills / 品質ゲート / 結果と残リスクの集約
System A Agent
観察 / 検証 / 自動化 / 学習
System B Agent
観察 / 検証 / 自動化 / 学習
System C Agent
観察 / 検証 / 自動化 / 学習
各Agentが共通で使うもの
- Skills
- System Knowledge
- Human Gate
About QMO
QMOはQuality Management Office / Quality Management Orchestrationとしての構想名称で、一般規格名や既製サービス名ではありません。