この講座の概要
講座概要
AI時代のテストと品質 ～事例から学ぶ QA4AI・AI4QA～
AIを使えば速く作れる、大量にテストできる。そうした期待だけで導入すると、目的や要求が曖昧なまま、間違った方向へより速く進んでしまう危険があります。
本講座では、AIを搭載したシステムをテストするQA4AIと、生成AIをソフトウェアテストに活用するAI4QAを、失敗・成功事例と実践ノウハウから体系的に整理し、目的と品質を軸にAIを使いこなす判断軸を身につけます。
オンライン開催・1名から・拠点を問わず受講できます
講座の目的
- AI時代に変わる開発の役割と、変わらない「目的・要求・品質」の考え方を理解する
- 非決定性、バイアス、敵対的入力など、AIシステム固有のリスクに応じたテストを設計できるようにする
- 生成AIの得意領域と限界を踏まえ、テスト工程で安全かつ効果的に活用する判断軸を持ち帰る
重点領域と学習範囲
AI時代の品質・テストを「AIシステムをどう確かめるか」と「AIをどうテストに使うか」の両面から扱います。実際の失敗・成功事例を題材に、何を確かめられれば良しとするのかを判断できる形に整理します。
- AIは目的次第で価値が変わるツールであり、最終判断は人が担うという前提
- 要求の曖昧さ、狩野モデル、Must／Never／Want、品質特性による「何ができればOKか」の明確化
- AIシステムの5つの注意点（非決定性、データ・バイアス、敵対的入力、継続的モニタリング、人によるレビュー）
- ゴールデンデータセット、検証指標の例、シャドー／カナリア／A/Bテスト、CI/CDへの組み込み
- AIシステムの成功・失敗事例から学ぶ、客観的検証と段階的リリース
- 生成AIのテスト計画・設計・実装・実行・報告での使いどころ
- テストケース生成の成功・失敗事例、プロンプト設計、レビューチェックリスト
対象者
AIを搭載したシステムの品質保証に関わる方、または生成AIをテスト業務へ導入したい方に向けた講座です。テスト担当者・QAエンジニアに加え、要求定義、設計、開発、リリース判断、運用監視に関わるリーダーや管理者にも適しています。
想定受講者像
- AIシステムのテストを任されたが、従来のテストとの違いが整理できていない方
- 生成AIの非決定性やバイアスをどう検証すべきか迷っている方
- 生成AIでテストケースを増やしたが、レビュー負荷や品質に不安がある方
- テスト設計・実装・報告のどこでAIを使うと効果的か判断したい方
- AIの出力を鵜呑みにせず、人とAIの役割分担を設計したいリーダー／QA担当の方
解決できる課題
「AIなら正しく作れる・大量にテストできる」という期待だけで導入し、曖昧な要求、偏った評価データ、敵対的入力、運用後のドリフト、ハルシネーションを見逃してしまう課題を整理します。あわせて、テスト件数やパス率ではなく何を証明・検出できたかで品質を判断し、人によるレビューと継続監視を組み込む形に整えます。
到達目標
- AI時代にも変わらない「目的と品質を定義し、確かめる」考え方を説明できる
- 曖昧な要求を、狩野モデルや品質特性を使って検証可能な基準に分解できる
- 非決定性やバイアス、敵対的入力といったAI固有のリスクに応じた検証方法を選べる
- ゴールデンデータセットと段階的リリースを、リリース前チェックリストに落とせる
- テスト工程ごとの生成AIの適性を判断し、プロンプトとレビュー観点を実務に適用できる
本講座では、QA4AIとAI4QAを一続きの品質活動として押さえ、客観的な評価基準と継続的な検証によって、AIを安全かつ生産的に活用するための判断軸を持ち帰れます。
開催日程をご確認のうえ、AI時代の品質とテストの判断軸を習得する機会として、ぜひ受講をご検討ください。
開催日程
お支払方法
銀行振込による前払い制となります。
お申込後、請求書を送付いたしますので、詳細をご確認いただき、お振込ください。
領収書について
領収書をご希望の際はお申込み完了後のメールに記載のURLよりお申込みください。
その他
本講座はWeb会議サービス「Zoom」で開催いたします。
講義資料は郵送にてお届けいたします。
進行次第で終了時間が前後する場合がございます。
カリキュラム
AI時代に必要な品質と要求の考え方
AIを単なるツールとして捉え、技術名に振り回されず「何のために必要か」「何ができればOKか」を品質の軸に置く考え方を整理します。
扱うポイント
- システム開発の歴史と人の役割の変化
- 要求→設計→実装という変わらない構造
- 目的・要求・品質を明確にしてAIへ指示する重要性
- AIを使っても最終判断と受け入れ責任は人に残ること
曖昧さとAIの特性を踏まえて品質を定義する
演習
同じ文章や仕様から複数の解釈が生まれる例を通じて、AI時代にも残る曖昧さを体感し、要求を検証可能な品質基準へ分解します。
扱うポイント
- 曖昧な表現が要求とのズレを生む仕組みを体感する演習
- AIによって減る曖昧さ／AIがあっても残る曖昧さ
- AIの強み（明確なルール）と弱み（想定外・フレーム問題）
- 狩野モデル、Must／Never／Want、品質特性による要求分析の演習
- 仕様レビューと、出来上がりを確かめるテストの役割
AIシステムをテストする5つの注意点
従来の決定的なシステムと異なる、AIシステムの確率的・文脈依存の振る舞いを前提に、QA4AIの主要な検証観点を学びます。
扱うポイント
- 非決定性：複数回実行、分布、意味的評価による許容範囲の判定
- データ・バイアス：属性別スライシング、公平性指標、カウンターファクチュアルテスト
- 敵対的入力：プロンプトインジェクション等へのレッドチーミング
- 継続的モニタリング：本番ログ監査、ドリフト検知、回帰評価
- 人によるレビュー：ガードレール、PII・有害性・事実性、エスカレーション
事例から学ぶAIシステムの検証とリリース
失敗・成功事例を比較し、リリース前の客観的検証、運用後の監視、段階的な展開をテスト計画に落とし込みます。
扱うポイント
- 失敗事例：採用AIのバイアス、対話AIへの敵対的入力、チャットボットの誤案内
- 成功事例：大規模シミュレーション、第三者ブラインド評価、本番同等環境での前向き検証
- ゴールデンデータセットと目的別検証指標
- LLM-as-a-judgeと人間評価との照合
- シャドーデプロイ、カナリアリリース、A/Bテスト、CI/CD回帰確認
- リリース前チェックリストの作成
生成AIをソフトウェアテストに活用する
テストプロセスごとのAI適性を整理し、AI4QAを「全部任せる」のではなく、人の判断を支援する形で導入する方法を事例から学びます。
扱うポイント
- 計画：スケジュール案・リスク一覧のたたき台
- 設計：仕様分析はAI、何をどこまで試すかは人が判断
- 実装：テストケース・テストデータの生成
- 実行：自動化スクリプトやテストコードの生成・修正
- 報告：結果集計、傾向分析、レポートのドラフト
- 工数削減、影響範囲抽出、テストケース作成などの活用事例
AI生成テストケースのプロンプト設計とレビュー
ハルシネーション、正常系への偏り、出力切れ、件数増加によるレビュー疲れを防ぎ、生成AIの効果を品質向上につなげる実践方法を整理します。
扱うポイント
- 設計書とテスト観点カタログをセットで与える
- 1プロンプト1観点とし、要否の判定理由も出力させる
- 境界値、異常系、状態遷移、権限差分を明示する
- 列名・粒度・IDなど出力形式を固定する
- 設計書との整合、アサーションの目的、網羅性、出力切れ、トレーサビリティのレビュー
- 小さく始め、効果とコストを計測して段階的に拡大する
よくあるご質問
問題ございません。
「AIシステムのテストを任されたが、従来型テストとの違いが整理できていない」という方を主な対象としています。AI時代にも変わらない「目的・要求・品質を定義して確かめる」考え方を出発点に、非決定性やバイアスといったAIシステム固有のリスクへ順を追って進む構成です。
テスト担当者・QAエンジニアに加え、要求定義・設計・開発・リリース判断・運用監視に関わるリーダーや管理者の方にも適した内容となっています。
事前のご準備は不要です。
要求分析で用いる狩野モデルやMust／Never／Want、AIシステムの評価に用いるゴールデンデータセットや検証指標、LLM-as-a-judgeと人間評価の照合といった内容は、いずれも何のために使うのかとあわせて講座内で解説します。「名前は聞いたことがあるが実務でどう使うかわからない」という状態からご参加いただいても問題ございません。
演習は第2章で実施します。同じ文章や仕様から複数の解釈が生まれる例を通じて、AI時代にも残る曖昧さを体感いただいたうえで、狩野モデルやMust／Never／Want、品質特性を使って要求を検証可能な品質基準へ分解する演習に取り組みます。それ以外の章は、AIシステムの検証観点や生成AIの活用方法を、失敗事例と成功事例をもとに整理する構成です。
AI時代にも変わらない「目的と品質を定義し、確かめる」考え方を説明できるようになります。
また、非決定性や属性別の公平性をどう評価するかを理解し、テスト工程ごとに生成AIの適性を判断して、プロンプトの与え方とレビュー観点を実務へ適用できるようになります。
テスト件数やパス率に頼らず、何を証明・検出できたかで品質を判断する軸を持ち帰っていただけます。
監修者紹介
この講座に込めた思い
AIによって実装やテスト作成の速度が上がるほど、目的や要求が曖昧なままでは、間違った方向へより速く進む危険があります。だからこそ、AI時代には「何ができればOKか」を定義し、出来上がりを確かめる品質・テストの技術がこれまで以上に重要です。本講座を通じて、AIに任せる領域と人が判断する領域を見極め、便利さと信頼性を両立できる現場を増やしたいと考えています。
バルテス株式会社 R&C部 上席研究員
江添 智之
Tomoyuki Ezoe
WEB系、エンタープライズ系、医療系など様々な開発業務にプログラマ、システムエンジニア、プロジェクトリーダーとして携わった後、バルテスにてテストエンジニア・コンサルタント業務に従事。現職では主にテスト業務に関する研究開発および人材育成を担当し、社内外を含めて多くのプロジェクトでアジャイルコーチを行う。
バルテス株式会社 R&C部 上席研究員
江添 智之
Tomoyuki Ezoe
WEB系、エンタープライズ系、医療系など様々な開発業務にプログラマ、システムエンジニア、プロジェクトリーダーとして携わった後、バルテスにてテストエンジニア・コンサルタント業務に従事。現職では主にテスト業務に関する研究開発および人材育成を担当し、社内外を含めて多くのプロジェクトでアジャイルコーチを行う。
監修者一覧はこちら
留意事項
講座当日について
※ 接続確認として、講座開始15分前からログインをお願いいたします。
※ ビデオ・写真の録画・撮影や、音声の録音はご遠慮ください。
※ 今後の講座運営に利用するため、運営側にて録音・録画を行う場合がございます。なお、参加者の音声・画像を外部公開することは一切ございません。
※ 講座資料の無断転載はご遠慮ください。
※ 参加者の通信環境や機器等による原因で視聴できなかった場合につきましては責任を負いかねます。
注意事項
※ お申込み後のキャンセルはお早めにご連絡をお願いいたします。また開催当日～1週間前のキャンセルとなる場合は、お申込金額全額をキャンセル料として頂戴致しますのでご了承ください。また当日欠席・遅刻によるご返金等は一切お受けしておりません。
※ 最少催行人数に満たない場合は、開催を中止することがありますので、ご了承願います。その際は、開催3日前までに、本ページおよびメールにてご連絡いたします。
※ 講座開催をWebサイト等を通じて報告等を行う場合がございます。その際に特定の個人がフォーカスされないように撮影した写真を掲載する場合がございます。予めご了承下さい。
※同業他社様からのお申込みはお断りをさせていただく場合がございます。予めご了承ください。
※ 本サービス申込者が下記に該当する場合、利用者として承認せずサービスを提供しない場合があります。その判断の理由については一切利用者に開示しません。また申込者は、判断の結果に対して異議を述べることはできません。
(1) 自らまたは第三者を利用して、当社の名誉や信用等を毀損し、もしくは毀損するおそれのある行為をした場合
(2) 自らまたは第三者を利用して当社の業務を妨害し、または妨害するおそれのある行為をした場合
(3) 当社に対して、自らまたは第三者を利用して、詐術、暴力的行為または脅迫的言辞を用いるなどした場合
(4) 申込者ならびに関係者が暴力団関係者ならびに反社会的勢力である旨が判明した場合
※ 自然災害、交通機関の事故、講師の発病等、不可抗力な事情により開催を中止することがあります。事前に中止が判明した場合は、本ページおよびメールにてお知らせいたします。各自でご確認ください。当日に中止が決まった場合は、本ページおよびメールと電話にてお知らせし、開催日の変更もしくは参加料の返金をいたします。 なお、旅費（航空券含む）や宿泊費とそれらのキャンセル諸費用については保証いたしません。
