QA×生成AI入門

QA×生成AI入門

QAチームでAIプロンプトを標準化する方法――個人の試行錯誤を再利用できる資産に変える

QAチームで生成AIのプロンプトを標準化する方法を解説します。目的・入力・対象外・出力形式・レビューを記録する最小のプロンプト台帳と、小さな検証・更新の進め方を紹介します。
QA×生成AI入門

AIに渡す仕様書・既存テストはどう整える?QA向け入力資料準備チェックリスト

生成AIでテスト観点やテストケースを作る前に、仕様書・既存テスト・過去障害をどう準備するかをQA担当者向けに解説します。対象範囲、根拠、不足情報、機密性を確認するチェックリスト付きです。
QA×生成AI入門

QAで使える生成AIプロンプトの作り方――根拠・対象外・出力形式を指定するテンプレート

QA業務で生成AIにテスト観点や確認項目の候補を作らせるときのプロンプト設計を解説します。根拠、対象外、出力形式を指定するテンプレートとレビュー方法を紹介します。
QA×生成AI入門

QAチームへ生成AIを導入する6つの手順――小さな検証からレビュー体制まで

QAチームへ生成AIを導入する6つの手順を、小さな検証、入力資料とルールの整備、レビュー体制、工数と品質の振り返りの順で解説します。AI任せにせず、現場で続けられる運用へつなげる方法を紹介します。
QA×生成AI入門

生成AIでテスト設計の工数はどこまで減る?約100時間が約10時間になった事例

生成AIを使ったテスト設計で、手動見積もり約100時間に対してAI活用時の概算が約10時間となった事例を紹介します。比較条件、レビュー工数、再現時の注意点を整理します。
QA×生成AI入門

AI出力はどこまで信用できる?QAでの整理・抽出・最終判断の分け方

生成AIの出力をQA業務でどこまで信用できるのかを、整理・抽出・最終判断に分けて解説します。根拠、未確認事項、一般知識由来の候補を分け、人がレビューする実務的な進め方を紹介します。
QA×生成AI入門

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でテスト観点を作る際に渡すべき8種類の情報を、要求、仕様、既存テスト、過去障害、テスト定義などに分けて解説します。各情報が補うリスク、注意点、そろわない場合の始め方も紹介します。
QA×生成AI入門

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

QA業務で生成AIを使う前に確認したい、社内承認、入力情報、契約・データ利用、保存、アクセス管理、出力の扱いを実務向けに整理します。仕様書や障害情報を安全に扱うための6項目チェックリストです。
QA×生成AI入門

生成AIのテスト設計で起きた4つの失敗――一般論・範囲・粒度・手順

生成AIでテスト観点とテストケースを作る過程で実際に確認した、一般論の混入、対象範囲のずれ、粒度と重複、実行手順の不足という4つの失敗を、原因・見分け方・対策とともに紹介します。
QA×生成AI入門

Claude Codeでテスト観点からテストケースを作る手順――確認項目を挟んで具体化する

Claude Codeを使い、レビュー済みのテスト観点から確認項目とテストケースを作る手順を解説します。根拠と未確認事項を維持し、人が採否を判断する流れを通知設定機能の実例で紹介します。