AIでテスト観点の網羅性を高める、渡すべき8種類の情報

生成AIへ仕様書を渡すと、短時間でテスト観点の候補を作れます。ただし、出力の質は、モデルの性能だけで決まりません。どの情報を渡したかによって、拾えるリスクも、混ざりやすい誤りも変わります。

たとえば仕様書には正常時の動作が書かれていても、現場で維持している回帰テストや、過去に実際に発生した問題、QAが担当しない範囲までは分からないことがあります。仕様だけから生成すると、もっともらしいものの現場では使いにくい候補になりがちです。

この記事では、テスト観点を作る前に生成AIへ渡すと役立つ8種類の情報を整理します。8個のファイルを必ず用意するという意味ではありません。案件の資料とAIへの作業ルールを組み合わせ、必要な情報を選ぶための一覧です。

AIに観点の採否を決めさせるのではなく、根拠を付けた候補を出させ、人が判断する前提で読んでください。

先に結論:困りごとから追加する情報を選ぶ

最初から資料を大量に渡す必要はありません。今の候補に何が足りないかを確認し、補う情報を追加する方が扱いやすくなります。

困りごと追加する情報補えること
回帰観点が抜ける既存テストケース維持すべき確認、現場の粒度と用語
実害のあった条件を拾えない過去障害データ組み合わせ、タイミング、状態遷移
対象外の候補が混ざるテストレベル定義確認段階と責任範囲
機能確認に偏るテストタイプ定義今回扱う品質特性
表示・操作の条件が曖昧UI仕様画面状態、操作可否、入力制御
一般的なリスクが抜ける標準的なテスト観点一覧対象機能へ適用する確認軸

まずは、要求情報、機能・UI仕様、既存テストケース、過去障害データの4種類から始めるのがおすすめです。そのうえで、候補が一般論に偏る、対象外が混ざる、非機能の観点が不足するといった問題に応じて、残りの情報を加えます。

仕様書だけでは足りない理由

仕様書は、機能の条件、状態、処理、期待結果を確認するための中心資料です。しかし、すべてのテスト判断に必要な情報が1か所にそろっているとは限りません。

要求の背景や利用者は要求情報に、画面上の細かな操作条件はUI仕様に、維持すべき回帰観点は既存テストに、実害があった組み合わせは過去障害に残っていることがあります。また、どのテストレベルで、どのテストタイプまで扱うかは、組織の定義や今回の作業指示に依存します。

公開済みの通知設定サンプルでも、仕様だけではなく、要求、既存テスト、過去障害を組み合わせました。日付をまたぐ停止時間、タイムゾーン変更直後、保存操作の連続、ブラウザの通知許可状態といった観点は、仕様の文章だけを読むより、複数資料を照らし合わせた方が見つけやすくなります。

実務では、資料を増やしただけで候補の質が上がるわけではありません。資料ごとの役割や対象範囲を決めずに混ぜると、候補の根拠を追えなくなり、かえってレビューに時間がかかります。必要な情報を選び、役割を分けることが重要です。

実際の生成手順は、Claude Codeでテスト観点を作る手順で紹介しています。この記事では、その前段となる「何を選んで渡すか」に絞ります。

AIに渡す8種類の情報

ここでいう「情報」は、独立したファイルとは限りません。たとえば機能仕様とUI仕様は同じ仕様書にまとまっていることがあります。テストレベルとテストタイプは、既存の定義資料として渡す場合もあれば、今回の作業ルールとして明示する場合もあります。

1. 要求情報

  • 分かること:誰が何のために使うのか、どこまでを対象にするのか。
  • 補える観点:利用目的に照らした重要度。たとえば「通知を送る」機能でも、単なるお知らせか、業務上の対応期限を知らせるものかで、遅延や送信漏れの重要度は変わります。
  • 注意点・代替:要求と実装、または要求と仕様に差がある場合は、AIに答えを補完させません。「未確認事項」として出力し、人が確認します。要求資料がなければ、対象利用者・利用目的・対象外を作業ルールとして先に明示します。

2. 機能仕様

  • 分かること:入力条件、状態、処理、期待結果、エラー時の動作、制約。
  • 補える観点:正常系、異常系、境界値、状態遷移の土台。
  • 注意点・代替:「書かれていない動作を推測して確定しない」「候補ごとに根拠箇所を付ける」と指示します。仕様が断片的なら、確認できた範囲と未確認事項を分けて渡します。

3. UI仕様

  • 分かること:項目、表示条件、活性・非活性、入力制御、画面遷移、権限や状態による画面差分。
  • 補える観点:表示と内部状態の不一致、操作できるべきでない状態での操作、入力可能範囲。
  • 注意点・代替:画面の見た目だけを示した画像では不十分です。表示や操作が変わる条件も併せて渡します。UI仕様がない場合は、実際の画面から確認できた事実と、確認できていない動作を分けて記録します。

4. 既存テストケース

  • 分かること:現場で維持している回帰観点、使っている用語、実行可能な粒度。
  • 補える観点:仕様書から消えていても、回帰テストとして残す理由がある条件。
  • 注意点・代替:既存テストにあるから正しいとは限りません。古い仕様、重複、根拠が追えないケースも含まれるため、正解として複製させず、仕様・要求との対応と未確認の根拠を整理させます。既存テストがなければ、直近のリリースで必ず確認した操作を短い一覧にします。

5. 過去障害データ

  • 分かること:実際に問題となった発生条件、影響、再発防止として残すべき確認。
  • 補える観点:複数の設定の組み合わせ、特定のタイミング、状態の切り替え前後など、通常の仕様レビューだけでは見落としやすいリスク。
  • 注意点・代替:障害票をそのままテストケースへ写さず、「どのようなリスクを再確認するのか」という観点に変換します。古い障害は、現在の仕様や対策で前提が変わっている場合があるため、発生当時の条件を正解として扱いません。障害データがなければ、問い合わせや不具合修正の記録を確認します。

6. 標準的なテスト観点一覧

  • 分かること:境界値、状態遷移、権限、同時実行、互換性などの一般的な確認軸。
  • 補える観点:対象資料の記述に引っ張られて見落としやすいリスク。
  • 注意点・代替:もっとも対象外の候補が混ざりやすい情報でもあります。ここから出した候補は「一般知識由来」と明示し、要求や仕様に根拠を持つ候補とは別枠で人が採否を判断します。

7. テストレベル定義

  • 分かること:単体、結合、システム、受け入れなど、各段階で何を確認し、誰が責任を持つか。
  • 補える観点:QAが確認しない内部実装の候補や、別チームが担う連携確認の混入防止。
  • 注意点・代替:既存の定義資料があれば渡し、なければ作業ルールとして明示します。「システムテストの画面操作と保存結果までを対象にし、外部サービス内部の配送処理は対象外」のように境界を先に伝えます。

8. テストタイプ定義

  • 分かること:機能、性能、セキュリティ、ユーザビリティ、互換性など、今回扱う品質特性。
  • 補える観点:機能テストだけでは不足する、ブラウザ互換性や権限制御などの確認。
  • 注意点・代替:対象にしないテストタイプも先に決めます。対象外を指定しないまま広く生成させると、実行環境や体制に合わない観点まで混ざり、レビュー負荷が増えます。

渡す前に整理する7項目

複数の情報を渡すほど、資料間の矛盾や古さも混ざりやすくなります。生成前に、少なくとも次の7項目を整理します。

  1. 対象機能と対象外機能
  2. 今回作る成果物(テスト観点、確認項目、テストケースなど)
  3. テストレベルとテストタイプ
  4. 資料名、版、更新日
  5. 資料ごとの役割
  6. 候補へ付ける根拠資料・根拠箇所
  7. 資料間の矛盾と、AIに判断させない未定義事項

一般知識から追加した候補も、根拠資料に基づく候補とは分けて出力させます。これにより、確認済みの事実と、追加で検討すべき仮説を区別できます。

仕様書、障害情報、テストケースには機密情報が含まれることがあります。入力前の確認は、QA業務で機密情報を守って生成AIを使うための6つの確認項目を参照してください。

すべてそろっていない場合の始め方

資料が完全にそろうのを待つ必要はありません。まずは冒頭の対応表を使い、今ある情報で対象を絞って候補を作ります。出力をレビューして不足が分かってから、必要な情報を追加してください。

資料がないこと自体も重要な情報です。たとえばUIの動作条件が確認できないなら、「画面差分がないこと」を断定するのではなく、仕様確認が必要な未確認事項として残します。AIの出力を完成品として扱わないことが、曖昧な資料で進めるときほど重要になります。

通知設定サンプルでは4ファイルに集約した

Claude Codeでテスト観点を作る手順で公開している通知設定サンプルは、読みやすさのために4ファイルへ集約しています。

サンプルのファイルこの文章での位置付け
要求.md要求情報
仕様.md機能仕様とUI仕様
既存テスト.csv既存テストケース
過去障害.csv過去障害データ

公開サンプルで8種類すべてを独立したファイルとして使ったわけではありません。テストレベル、テストタイプ、標準的な観点は、案件に応じて定義資料または作業ルールとして扱います。

最後に人がレビューする

複数資料を使っても、AIの出力がそのまま正しくなるわけではありません。資料の矛盾、古い前提、対象外の情報、AIの一般知識による補完が混ざる可能性があります。

候補を受け取ったら、少なくとも「現場で実行できるか」「対象スコープに収まるか」「手順は正しいか」「重要な観点が漏れていないか」「粒度が適切か」「テストプロセスに合うか」を確認します。具体的な確認方法は、AIが作ったテストケースをレビューする6つの観点で解説しています。

まとめ

生成AIでテスト観点を作るときは、仕様書だけに頼らず、目的、画面条件、既存の回帰観点、過去障害、テストの対象範囲を補う情報を組み合わせます。

8種類すべてを準備する必要はありません。大切なのは資料数ではなく、各情報の役割、対象範囲、版、根拠を明確にし、最終判断を人が行うことです。

次に読む記事

資料をそろえた後は、Claude Codeでテスト観点を作る手順で、候補作成からレビューまでの流れを試してください。

タイトルとURLをコピーしました