
AI活用のテスト実施で変わったこと
※この記事にはアフィリエイト広告が含まれています。
はじめに
こんにちは。SusakiWorksを運営しているSusakiです。
QA・テストの仕事を続けてきて、ここ数年で一番変わったと感じるのが「テスト実施」のやり方です。
以前は、テストを自動化しようとすると、コードを一から書くことが前提でした。今はAIのおかげで、そのハードルが大きく下がっています。
この記事では、AIを使う前と後で、テスト実施がどう変わったかを、自分の体験を交えてまとめます。
具体的なコードや実行結果は、ブログ記事のほうで詳しく紹介しています。
AI活用前:一から書いて、直し続ける自動化
AIを使う前は、SeleniumやKatalonを使って、Pythonなどでテストコードを一から書いていました。
画面の要素を一つずつ調べて、操作をコードに落とし込む作業です。
大変だったのは、作ったあとのメンテナンスです。
対象のプロダクトのUIや構成が変わるたびに、テストコードも更新が必要でした。
自動化で楽になるはずが、直す作業に追われることも少なくありませんでした。
当時の苦労は、ブログにも書いています。
要素ごとの操作例と、既存のライブラリでは要素を操作できずに困った話です。
AI活用後:エージェントが書いて、直してくれる
大きな変化は、Playwrightのように、AIエージェントが標準で使えるツールが登場したことです。
Playwrightには、役割の違う公式エージェントが3つあります。
planner:アプリを探索して、テスト計画を作る
generator:テスト計画から、テストコードを作る
healer:失敗したテストを調べて、修復する
私が一番期待しているのは、healerです。以前は画面が変わるたびに手で直していた部分を、エージェントが引き受けてくれます。
テストコードを一から書く必要がなくなったので、開発者でない人でも自動化に取り組みやすくなりました。
QAが「何を確かめるか」を伝えれば、コードはAIが形にしてくれます。
ただし、AIが作った計画や修正が正しいかは、人が確認します。
本当に不具合で失敗しているテストまで「直して」しまうと、不具合を見逃すことになるからです。
テスト自動化以外のAI活用
AIが役立つのは、E2Eテストの自動化だけではありません。
テスト実施の中で、私が使っているのは次の3つです。
1.ユニットテストコードの「型」作り

AIにテストコードの型を作ってもらえば、あとは表にテストケースを書き足すだけです。
ブログでは、ECサイトの合計金額(軽減税率8%と標準税率10%)を題材に、15ケースを約0.1秒で実行しました。
印象に残ったのは、サンプルを作ったときの出来事です。
手計算で出した期待値が1円ずれていて、テストがすぐにそれを見つけました。
間違っていたのは、計算ロジックではなく手計算のほうです。
手動テストで自分の計算と比べるやり方では、人の計算ミスもリスクになります。
業務でも、消費税の計算を含む機能を手動で200ケース以上テストし、約4日かかったことがあります。
計算の確認部分をテストコードにすれば、大きく短縮できる見込みです。
2. プロダクトのUIチェック

画面のスクリーンショットをAIに渡すと、誤字や表記のゆれ、レイアウトの崩れを指摘してくれます。
画面が多いときの一次チェックに向いています。
3. ドキュメントの静的解析

テスト仕様書やマニュアルをAIにレビューしてもらうと、曖昧な表現や境界値の記載漏れなど、観点の抜け漏れに気づけます。
ただし、AIは書かれていない内容を、あるかのように答えることがあります(ハルシネーション)。
UIチェックも含めて、AIの指摘は「候補」として受け取り、最後は人が判断しています。
3.その他のテスト実施で使える活用法(AIに聞いてみた)
E2Eテストとユニットテスト以外にも、AIを使える場面はあるはずです。
そこで、ClaudeとGeminiに同じ質問をしてみました。
Claudeの回答
探索的テストのチャーター作成と記録の整理:
機能の説明から「何を、どんなリソースで、何を見つけるために」を下書きする。
セッション中のメモも、終了後に整理できる。テストデータの作成:
境界値や異常系の入力値、ダミーの氏名・住所などをまとめて作れる。不具合報告の下書き:
ログやエラーメッセージから、再現手順・期待結果・実際の結果を整理する。アクセシビリティの確認:
画像の代替テキストや、ボタンのラベルの分かりやすさをチェックする。回帰テストの範囲選定:
変更内容から、影響しそうな機能の候補を挙げる。
注意点として、業務の実データや個人情報をそのまま入力しないこと、AIが挙げた範囲や内容は候補として人が判断することが挙げられていました。
Geminiの回答
大量ログ・コンソールエラーの一次解析(異常検知):
テスト実行時に出力される膨大なシステムログや通信ログを解析する。探索的テスト中の「次の手(壁打ち)」の提案:
ネクストアクションの提示・深堀りをする。APIテストのパターン生成とレスポンス検証:
正常系・異常系のテストパターン生成、期待値と結果値を比較する。動画・連続スクリーンショットからの再現手順の言語化:
画面録画や操作ログから、時系列で言語化する。
(不具合チケットでの不具合再現手順作成など)セキュリティ・脆弱性の簡易チェック(意地悪入力の生成):
XSS(クロスサイトスクリプティング)やSQLインジェクションなどのテストデータを生成、脆弱性を確認する。(検証環境限定)
AIの提案を整理すると、
・Claude:テストの段取りや報告(ドキュメント・管理寄り)
・Gemini:ログ解析や操作の深掘り、セキュリティ対応
と認識しました。
いずれも業務等で使えそうです。
特に、ログ解析やセキュリティに関する部分は、人手でやるとコストがかかります。
これらをAI活用すると、コストを抑えて効率化が狙えると思います。
まとめ
AIを使うようになって、テスト実施は「一から書いて直し続ける」ものから、「何を確かめるかを考える」ものに変わりつつあります。
• 自動化そのものは、まだこれからの取り組みです。
プロジェクトに合わせて最適化していく必要があります。
• AIはE2Eテストだけでなく、ユニットテストや静的テストでも使えます。
• AIを使ったテスト実施の方法はいろいろあり、使い手次第でプロダクトの品質向上につなげられます。
AIは便利ですが、間違えることもあります。
だからこそ、テストの観点を出し、結果を判断するQAの役割は、これからも大切だと考えています。
コードの中身や実行結果は、ブログ記事で紹介しています。
Playwrightを実際に動かす様子は、YouTubeのデモ動画で公開予定です。

▼YouTube:近日公開予定
▼テスト実施で参考になる書籍!
最後に
当SusakiWorksでは、ブログxnotexYouTube、xで情報発信しています。
Blog
情報の主体、QA・AI活用の体系的なノウハウ・手順まとめを発信!

note
失敗談や成功談など、過程でのリアルな体験談や想いを発信!

YouTube
ブログやNoteの要約、実際の画面を使った視覚的なデモ動画を発信!

X(旧Twitter)
最新トレンドや日々の気づきをリアルタイム発信!

それぞれのメディアで違う角度から楽しめるようになっていますので、ぜひブログのブックマーク、noteのフォロー、そしてYouTubeのチャンネル登録をよろしくお願いします!
以上、最後まで読んで頂き、ありがとうございました。