はじめに
タイミー QA Enabling Gの矢尻、岸、松田です。
ソフトウェアテストに関する国内最大級のカンファレンス「JaSST (Japan Symposium on Software Testing) ‘26 Tokyo」が、2026年03月20日に開催されました。
タイミーには、世界中で開催されるすべての技術カンファレンスに参加できる「KaigiPass」という制度があり、この制度を利用してオフラインで参加しました。
今年の会場は東京ビッグサイトでした。
本レポートでは、印象に残ったセッションの内容を中心にお伝えします。
JaSST Tokyo 2026 参加レポート — AI駆動QA時代の到来とタイミーの現在地
タイミーの矢尻です。
今回のJaSSTは、前回にもから増してAI関連セッションが圧倒的に多い回でした。基調講演からクロージングまで、ほぼすべてのトラックでAIが議論の軸となり、AI駆動開発における品質保証（QA for AI-Driven Development = QA4AIDD）が業界全体のメインテーマに昇格した印象です。
タイミーでは社内のQAガイドライン「QA Handbook」を通じてAI時代のQA戦略を先行して整備してきました。本レポートでは、セッション横断で見えた 3つの業界トレンド と、タイミーの取り組みとのフィットギャップを総論的にまとめます。
セッション横断で見えた3つのトレンド
今回、私が視聴したのは以下の6セッションです。
- AIがテストチームに加わるとき- 期待、落とし穴、そしてソフトウェア品質の未来 –
- スペシャルトークセッション『AIと品質保証のこれまでとこれから』
- AIがQAエンジニアの仕事を奪うのか？
- 生成AI時代、ソフトウェア品質保証のロールと組織はどこへ向かうのか？
- 品質を経営にどう語るか
- 人と関わるロボットの研究開発 –ロボットにおける人間らしさの重要性 –
横断すると、業界の議論は大きく 3つのテーマ に収束していました。
1. AIへの「プロセス要求」と人間の監督
複数セッションで共通して語られたのは、AIに「何を作るか」だけでなく「どう作るか」を明示する必要性です。
ベリサーブ様のセッションでは「ハーネスエンジニアリング」として、AIにプロセス要求を与えアクティビティログでオーディットするアプローチが紹介されました。SIG SQAの井芹様は「HITL（Human-in-the-Loop）」と「Everything as Code」をキーワードに、人が適切なポイントで介在するプロセス設計の重要性を強調。安野様のセッションでは、AIが一次スクリーニング（リコール向上）を担い、人間がコンテキストを踏まえた精査（プレシジョン向上）を行う「2層スクリーニング」モデルが示されました。
基調講演のGayathri Mohan様も、AIは「ベビーシッター」のように常に監視と調整が必要な存在であると指摘しており、「AIに任せきりにしない品質保証のプロセス設計」が業界の最大関心事になっていることを強く感じました。
2. リリース後の継続的品質バリデーション
もう一つ、独立した複数セッションで繰り返し言及されたのが、プロダクション環境での継続的モニタリングです。
ベリサーブ様のセッションでは「フライホイール型品質保証」として、リリース前で完結せず本番環境で継続的にスコアを監視→フィードバック→再リリースを回す「運用型QA」が提唱されました。Adobe様の小島様もAIエージェント評価において、事前テストだけでは限界があり実データでの課題探索が不可欠だと強調。基調講演でも、非決定論的なAIの出力に対して確率論的・メトリクスベースの評価が必要だと語られました。
リリース後の品質バリデーションは、もはや「やるかどうか」ではなく「いつ・どう始めるか」のフェーズに入っていると感じます。
3. 品質を経営の言葉で語る
3つ目のトレンドは、品質と経営の対話です。
kyon_mm様らのセッションでは、品質を「技術の詳細を説明する場」から「事業の優先順位を決める場」に移すための翻訳プロトコルとして、バランススコアカード（BSC）、Cost of Quality（COQ）、NIST AIリスクマネジメントフレームワークの3つが示されました。ベリサーブ様のセッションでも「QAエンジニアは経営の意思決定に必要な情報を提供する立場に移行する」という見通しが語られ、SIG SQAの伊藤様も「事業戦略と連携した品質戦略策定」を高度化すべきスキルとして挙げていました。
作業をAIに委ね、QAエンジニアの役割がより上流・経営（ビジネス）寄りにシフトしていくという方向性は、セッションを跨いだ一貫したメッセージでした。
タイミーQA Handbookとのフィットギャップ
タイミーでは「QA Handbook」として、3つの戦略（Business Reliability / Standardized Process / AI-DLC & QaC）を柱にQA活動を体系化しています。上記の業界トレンドと照合した結果を整理します。
✅ フィットしている領域
| 業界潮流 | タイミーの対応 | 評価 |
|---|---|---|
| Everything as Code / AIフレンドリーな成果物 | Gherkin/Markdownでの仕様標準化＋教師データ蓄積 | 先行 |
| HITL型プロセス設計 | Generative Testing Pipeline（Human=意思決定、AI=実装） | 先行 |
| プロセス要求＋オーディット | DoR/AC/DoD＋壁打ちリファインメント | 同期 |
| AI×人間の分業テスト設計 | テスト仕様書生成（AI一次生成→人間レビュー） | 同期 |
| リスクベースドテスト | ISTQB準拠のRPN分析を体系的に整備済み | 先行 |
⚠️ ギャップがある領域
| 業界潮流 | 現状と推奨アクション | 優先度 |
|---|---|---|
| リリース後の継続的品質バリデーション | 構想済みだが未着手。CUJベースの指標でスモールスタートすべき | 高 |
| 品質活動のビジネス価値換算（BSC / COQ） | エラーバジェット概念をCOQ文脈で再定義するアプローチが有効 | 高 |
| AIエージェント評価の体系化 | 4テスト種類×二軸評価指標を自社AI評価に応用可能 | 中 |
| 非決定論的テストへの対応 | パイプラインに統計的評価レイヤーの追加設計が必要 | 中 |
まとめ
JaSST Tokyo 2026を通じて確信したのは、タイミーのQA Handbookが掲げる方向性は業界潮流と高い整合性を持っているということです。Everything as Codeによる教師データ蓄積、HITL型のプロセス設計、リスクベースドテストの体系化は、業界が「これからやるべき」と議論しているものを先行して体系化できています。
一方、最大のギャップは「リリース後の継続的品質バリデーション」と「品質活動のビジネス価値換算」 の2点。いずれも複数セッションで繰り返し言及され、業界コンセンサスが形成されつつあるテーマです。
今回のJaSSTは、AI駆動開発が「一部の先進企業の取り組み」から「業界標準の議論テーマ」に移行したことを実感する場でした。先行して整備してきた資産を活かしつつ、ギャップの解消に取り組むことで、QA4AIDDの実践をさらに一歩進めていきます。
開発チームとの協業とトレーサビリティ基盤
タイミーの岸です。私からは印象に残った二つのセッションの紹介と感想をお届けします。
開発チームとQAエンジニアの新しい協業モデル：年末調整開発チームで実践する [QAリード施策] / SmartHR
SmartHRの平澤さん・依田さんによる、開発エンジニアとQAエンジニアとの協業の取り組みについての講演でした。
開発チームによる自律的なQAを支援する施策であり、QAエンジニアが開発チームに入り込んで、最初はQAについて支援しつつ最終的にはチームから抜けていくというものです。 特徴的なのは、チームに参加するQAエンジニア以外に、チーム内からもQAを推進するメンバーを立てるという点でした。このメンバーは「QAリード」と呼ばれ、QAエンジニアとの1on1やチーム内での旗振り、テスト技法の勉強会などを通してQAプラクティスを根付かせていきます。QAリードの役割は目標設定にもきちんと反映されていくとのことでした。人選は指名ではなくチームからの立候補を基本とする形とのことで、SmartHRの開発チームにおける品質意識の高さがうかがえました。
こういったチームの自律性支援はタイミーでも実践の真っ最中です。QAリードの役割やQAエンジニアからの推進の方法など、私たちにとっても参考になる点が多く、とても興味深く聴かせていただきました。
仕様漏れ実装漏れをなくすトレーサビリティAI基盤のご紹介 / コインチェック
コインチェックの国分さんによる、ドキュメント間のトレーサビリティとそれを検査する基盤についての講演でした。
ドキュメント間には関連性があります。例えば、要求からは仕様が派生し、仕様からは設計、設計からは実装が、また設計からはテストケースも派生します。このため、派生元と派生先は矢印で結ぶことでグラフとして表現できます。ここで、矢印の片方にドキュメントが存在しなかった場合は「アノマリー」となり、何かがおかしいことがわかります。派生先が存在しなければ、実装やテストが漏れている可能性があり、派生元が存在しなければ不必要な成果物が作成されている可能性があるということです。そして、コインチェックではこのグラフを検証するシステムをAIを活用して作っているとのことでした。
AI基盤については、可能な限り人手を抑えつつ、偽陽性・偽陰性を抑えるためのチューニングが行われていました。一方でAIを並列して稼働させるためには何よりも金銭コストがかかり、これを抑えるために敢えて軽量なモデルを使用するなど苦慮されている様子でした。
タイミーにおいては、ドキュメントを作成するかどうかチームによるバラツキがあります。そのためこういった検証基盤については、同じものを作っても定着するかどうかは未知数です。とはいえ、複雑化している仕様をどのように管理していくかは私たちにとっても大きな課題です。こういった取り組みを参考にしつつ、自分たちにマッチする仕組みを開発していくことは重要であると感じました。
要求・暗黙知・越境から見る AI 時代の QA
タイミーの松田です。 昨年はタイミーとして登壇する側でしたが、今回は一参加者として様々なセッションに参加し多くの学びを得ることができました。
今回の JaSST Tokyo では AI と QA に関するトピックが多く、参加したセッションにはそれぞれ共通するテーマがあると感じました。私はその共通項を 3つ に整理しました。
- 要求エンジニアリング — QA の基礎能力としての重要性
- 暗黙知 — AI への適切なコンテキスト提供
- 越境 — エンジニアリングと QA の役割の進化
本レポートでは、それぞれの学びについてまとめます。
1. 要求工学(エンジニアリング )— QA の基礎能力としての重要性
こちらは、freeeの苅田さん・栗田さんが発表された「曖昧な要求は仕様かバグか-―ai時代の仕様とテストを考える」の発表から得た学びです。
ここでは「要求工学(エンジニアリング)」 に関しての発表を軸に話が進みました。
カンファレンスでは要求工学に関する発表があり、その重要性が改めて強調されました。
プロダクトには必ず何かしらの価値が求められます。その価値を言語化し、プロジェクトとして具体化するためには、要求を適切に言語化 → 仕様を策定 → 設計に落とし込む というフローが欠かせません。この流れは、AI を活用する時代になっても変わらない本質的なプロセスです。
AI がどれだけ進化しても、「なぜ作るのか」が不明瞭もしくは曖昧であれば、意図通り・要求通りのプロダクトを作ることは困難 です。作るべきものの目的と価値を明確にすることは、AI 時代においても変わらず重要な技術です。
シフトレフトの流れの中で、QA エンジニアは 要求事項の適切性を検証する 役割を担います。要求が適切でない場合、そこには暗黙の前提や仮定が隠されている可能性があります。要求獲得などの技法を活用し、暗黙知を明確に引き出して、必要な情報から作り上げていくことが求められます。
2. 暗黙知 — AI への適切なコンテキスト提供
二つ目は 「暗黙知」 です。
こちらは、チームみらいの安野さんとテクバンの豊田さん・長島さんによるセッション「AIがQAエンジニアの仕事を奪うのか？」から得た学びです
現在、AI をできる限り活用し、精度を上げて素早く価値を出すことが大きなトピックになっています。この流れは今後も変わらないでしょう。
しかし、AI に意図通りの価値を出させるには、適切なコンテキストを渡すこと が不可欠です。そのコンテキストは私たち人間から情報として伝達されます。つまり、どのような情報をどう入力するかが、AI を最大限に活用するための鍵になります。
ここで重要になるのが、暗黙知の言語化、つまり「暗黙知を形式知に変えること 」です。人間が持つ暗黙知をできる限り言語化し、AI が学習・認識できる状態にする必要があります。
会話やメール、Slackなどのやり取りをログとして集めることも、コンテキストを得るうえで有効だと話されていました。
また、先ほどのfreee様の発表でも相手の真の要求を知るためにヒアリングするなどの「要求獲得」といった話題とも繋がると感じました。
3. 越境 — エンジニアリングと QA の役割の進化
三つ目は 「越境」 です。
チームみらいの安野さんから「QA もエンジニアも、今後同じ作業をし続けるわけではなく、その 業務内容自体が変わっていく」 という話がありました。エンジニアという職業はなくならないものの、担う内容は大きく変化していきます。
「ものを作り上げる」という過程そのものは変わりません。しかし、どうやって作るのか、なぜ作るのか、作った後にどう運用するのか といった、従来のエンジニアリングよりも幅広い領域に踏み込むことが求められるようになります。
QA においても同様です。プロダクトの品質保証にとどまらず、プロダクトを通じて自社にどのようなリスクが潜んでいるかを提示する ことが必要になります。
例えば、QA がPdMだけでなく事業部や経営層ともつながり、プロジェクトの意思決定に必要な情報を提示する役割を担うとことも、今後は視野に入れていくことが重要です。
品質保証の 範囲・方法・効果の説明責任 などが、今後のエンジニアの責務の一つとして求められていくと感じました。
まとめ
JaSST Tokyo'26 を通じて、以上の 3つのキーワード を持ち帰ることができました。
これらはいずれも、AI 時代により一層求められる力 だと感じました。今回の学びを今後の業務に活かしていきたいと思います。
おわりに
弊社ではQA、SETの採用も積極的に行っております。
タイミーのQA、ソフトウェアテストについてもっと知りたいという方はぜひカジュアル面談でお話ししましょう。
