はじめまして、ナギです
「QA×AI実践ラボ」を運営しているナギです。
品質保証、アジャイル、Web制作・改善の実務経験をもとに、QAの現場で使える生成AIの活用法と、その出力を検証する方法を発信しています。
生成AIは、テスト観点やテストケースの作成、複数資料の整理などを大きく効率化できる可能性があります。一方で、もっともらしい誤りや対象外の情報も含まれるため、出力をそのまま成果物として使うことはできません。
このブログでは「AIで作る方法」だけでなく、「人がどのように確認し、現場で使える形に直すか」まで扱います。
これまでの経験
これまで、主に次の領域で実務に携わってきました。
- 品質保証体制の構築と品質改善
- アジャイル開発の導入・運営支援
- Web制作とフロントエンド開発
- UI/UXやWebサイトの改善
- Webディレクション
私の強みは、次の3つの視点をあわせて考えられることです。
- 開発・Web制作者の視点
- 品質保証・品質改善の視点
- アジャイルなチーム運営の視点
ツールの使い方だけでなく、開発プロセスやチームの役割分担も含めて、現場へ定着させる方法を考えてきました。
QA業務での生成AI活用
品質改善支援の中で、生成AIを使ったテスト設計成果物の作成に取り組みました。
作成・整理したものには、次のような成果物があります。
- 標準的に利用するテスト観点一覧
- テスト対象と標準観点の対応表
- テストタイプの定義
- 個別対象のテスト観点
- 確認項目
- テストケース
生成時には、要求や仕様だけでなく、既存テスト、過去の障害、テストレベルやテストタイプの定義など、複数の情報を組み合わせました。
実際に試すと、一般的なテスト知識の混入、粒度の不一致、QAの担当範囲外の項目、実行できない手順などの問題も起きました。そのため、AI出力を完成品とはせず、適用可能性、スコープ、手順、網羅性、粒度、プロセス適合の観点で人がレビューする運用にしています。
この成功と失敗の両方を、会社や案件を特定できない形に整理して記事へ反映します。
このブログで発信すること
当面は「QA・品質改善×生成AI」を中心に、次の内容を発信します。
- QA業務で生成AIを使い始める手順
- テスト観点とテストケースの作り方
- AI出力の漏れや誤りをレビューする方法
- 実際に起きた失敗と改善方法
- 機密情報を守って利用するための考え方
- チームへ小さく導入し、定着させる方法
- 実務で使えるチェックリストやテンプレート
将来的には、アジャイル・スクラムでのAI活用や、Web制作・Web改善についても扱う予定です。
発信で大切にしていること
このブログでは、次の方針を大切にします。
- AIが作った文章をそのまま公開しない
- 実際の経験、検証結果、判断基準を加える
- AIが行ったことと、人が判断・修正したことを分ける
- 効果だけでなく、失敗、制約、適用できない条件も伝える
- ツールの仕様、料金、規約などは公開時点の情報を確認する
- 未使用の商品やサービスを、実体験のように紹介しない
生成AIを万能なものとして扱うのではなく、使える場面と人が担うべき判断を分け、読者が自分の現場で再現できる情報を目指します。
守秘義務と情報の扱い
記事で紹介する実務経験は、守秘義務に配慮して一般化しています。
会社名、顧客名、個人名、案件名、未公開の仕様や資料は掲載しません。数値や事例は、必要に応じて概算や複数の経験を組み合わせた表現に置き換えます。
また、AIサービスの安全性は一つの設定だけで判断できません。契約条件、データの保存・保持、学習利用、アクセス権、ログ、所属組織の規程などを確認する必要がある、という前提で発信します。
お問い合わせ
お問い合わせページは現在準備中です。
記事へのご意見や扱ってほしいテーマがありましたら、問い合わせ窓口の公開後にお寄せください。