# タイトルコール テスティングジャーニーへようこそ。 このチャンネルでは、ソフトウェアテストの世界を探索するをコンセプトに、 エンジニアリングマネージャー兼QAリーダーのサミーが、 ソフトウェアテストのコツや品質保証の奥深さ、そして日々考えていることをお話しします。 # 毎日の「学び」の習慣化スタンプラリー 年始の特別企画についてのお知らせです。 毎日の学びの週刊課スタンプラリーを開催します。 1月1日から14日の放送を聞いていただきまして、 毎日一文字をゲットしていきます。 その日の一文字は放送のどこかで発表しますので、 最後まで楽しみながらぜひ聞いてみてください。 全部で12文字を集めるんですけれども、 並び替えてキーワードを完成させてください。 正解をすると限定コンテンツが表示されます。 なかなか他の方は体験しないような、 あまり体験する方は少ないような内容のコンテンツになっておりますので、 ぜひ楽しみに、ぜひゲットしてみてください。 スタンプラリーの台紙はこのチャプターのリンクに貼っております。 ブラウザー上で入力をしていけるスタンプラリーの台紙を用意しております。 毎日放送を聞きましてですね、 今日の一文字これだよっていうのを聞いたら、 ぜひこの台紙に入れていただきまして、 全部入れると並び替えの画面が出てきますので、 文字を並び替えていただきまして、 正解をすると限定コンテンツへのURLが表示されるという仕様になっております。 ちなみになんですけど、 このウェブ上のスタンプラリーは、 データってどこに保存されるのって話なんですけれども、 ブラウザ内ですね、ローカルストレージに保存されます。 つまりどういうことかというと、 ブラウザを閉じても入力データが保存されるはずです。 スマートフォンの再起動でも保存されているはずです。 ただし、ブラウザのキャッシュとかデータを消してしまうと、 データは消えてしまいます。 とか、別のブラウザとかシークレットモードで開いたりすると、 内容は消えてしまいます。 ということで、他のブラウザだったり他の端末でアクセスしても、 データが共有されませんので、ご注意ください。 あとこちらのスタンプラリーなんですけど、黒戸に作ってもらったので、 ちょっと不具合があるかもしれません。 もしナイフが消えちゃったとかあったらごめんなさい、 ということは事前に謝っておこうと思います。 ということで、新年のスタートダッシュとして、 毎日の学びを習慣化していける企画となっております。 放送を聞くだけで参加できますので、ぜひ気軽にチャレンジしてください。 # Test Design and Test Implementation with Generative AI こんにちは、さみぃです。3年級いかがお過ごしでしょうか。 私はですね、お金もいっぱい詐欺で取られてしまったので、 この3年級はいかにお金を使わずに楽しむか、みたいな形で 博物館とか行こうかな、みたいな話をしております。 はい、ということでですね、今回はIST Equilibriumのシロバスを勉強していきます。 Testing with Generative AIですね。 今回はですね、2.2.2テストデザイン&テストインプレメンテーションwith Generative AIということで、 セフィアを使ってテスト設計とテスト実装を行っていく。 その時にテスト設計、テスト実装でどのようにGenerative AIを活用できるかという話をしていきます。 今回シロバスの範囲なんですけど、割といつもよりページが少なくて、 PDF実質1枚半ぐらいですね。 かつ、ハンズオンの内容が半分ぐらいあるので結構コンパクトかなと思うので、 シロバスの内容の紹介と、あとそこで読んでこれやってみようと思ったっていう話だったりとか、 あるいは実際に業務でこういうことやってるよという話をしていこうと思っております。 はい、ということでまず最初にシロバスの内容ですね。 今日は日本語で説明していこうかなと思います。 まず最初に書かれているのが前提条件みたいなところで、 JST-KBのファウンデーションレベルのシロバスでも書かれているように、 テスト設計っていうのはテスト条件を整地化したり、あるいは専念化せず、 それをテストケースだったり、その他のテストウェアへと変換する活動というふうに説明しています。 一方でテスト実装というのは、テストを実行するために必要なテストウェアを作成、または入手することを指していますということですね。 要はここでそもそもテスト設計とテスト実装ってなんだっけという説明をしておりまして、 テスト設計というのはテスト分析で出てきたテスト条件ですね。 何をテストするのか、そのシステムのどういう特性をテストするのかというのがテスト条件でしたね。 なのでテスト設計というプロセスではそのテスト条件を洗練させると、 そしてテストケースだったりに変換する活動がテスト設計になります。 テスト実装のほうはもうちょっと次のステップになっていまして、 テスト実行をするために必要なものを用意するので、当然テストケースの準備も入ってくるんですけど、 例えばテストデータを作ることも必要ですし、他はテストに必要なテストウェアとかツールみたいなところも含めて用意するというのがテスト実装になってきます。 次のパラグフに書かれているのは、 生成エアのサポートを受けることで、手動テストだったり自動テストスクリプトの両方において、 作成へ優先順位付け、およびテスト実行スケジュールへの配置が可能になりますというふうに書かれていますね。 どういうことかもう少し具体的にいくと、 生成エアというのはテストケース、テストデータ、テストスクリプト、テスト環境など様々なテストウェアの作成と評価を支援することで、 これらの一連のテスト活動を大幅に効率化できますということですね。 このパラグラフから読み取れるのは、生成エアによって手動テストだけではなく、あるいは自動テストだけではなくて、 両方においてテストを作るだったり、テストの優先順位を決めるとか、 あとはどの順番でテストを実行したらよいのかみたいなところの組み替えですね。 その辺がサポートしてもらえるということですね。 この2.2.2の中で一番大事なポイントが4つかな、次に書いてある4つになっています。 1、生成エアがサポート可能な典型的なテスト設計、実装タスクを挙げていますというふうに書かれています。 何かというと、テストケースの生成、最初に4つお話ししますね。 テストケースの生成、テストデータの合成、自動テストスクリプトの生成、そしてテスト実行、スケジューリングと優先順位付け、この4つになっております。 一つずつお話ししていきますと、1つ目がテストケースの生成ですね。 これはなんとなくイメージもつくかなと思うんですけれど、自然言語処理NLPを活用して、機能的および機能要件に基づいたテストケースのドラフトを作成できます。 適切な情報をプロンプトとして入力することで、LLMはテストの前提条件、入力データ、期待結果、そしてフォーラ基準を提案します。 これによって、基本的な機能試験賞から複雑なエンドトゥエンドテストまで、さまざまな目的に合致したテストケースを作成できます。 テストケースの生成はやったことがあって、この適切な情報をプロンプトとして入力するというのが基本というか難しいですよね。難しいのかな。 私が前にやったのは、PRDの要求と、あとFigmaのUIデザインの情報を入れて、そこからテストケースを作ってもらう。 その時に注意したのは、何を確認したいかというと、大事なポイントを何を大事にしたいのか、機能テストなのか、セキュリティが大事なのかとか、その辺を一緒にインプットをしました。 最近はクロードスキルズを使っているので、そのクロードスキルズの元々入っている前提情報みたいなところのマグナムファイルの方に何を大事にするかというところを会社としてとか、今の組織としてというか、こういった辺を大事にしてますよとか、体験を守りたいんです、こういう体験を守りたいんですみたいなところは入れてたりするので、 そこからテストケースを作ってくれたりしますという感じですね。 ハンズオンがこの2.2.2のところは割合が大きくて、こういうことをやってみましょうというのを書いてあって、そこを読んでちょっとやってみようと思ったことが一つあるので紹介するんですけれども、 プロンプトチェーン、構造化プロンプト、およびメタプロンプトを使用してAIを用いたユーザーストーリーからの機能テストケース作成をやってみましょうということで、長かったらしいんですけど、要はAIを用いてユーザーストーリーから機能テストを作ってみましょうというのが書いてあるんですよ。 これ確かなと思っていて、今動いているプロジェクトでもユーザーストーリーに分けて分割していて、それぞれのジラのストーリーに書いているんですけれど、ストーリーの中、ディスクリプションのところに受入れ条件とFigmaのUIデザインの画像とURLを入れてたりするんですよ。 なので、この情報があれば、あとプラスアルファ、PRDとかがあったら、機能テストケース作れるんじゃね?ってちょっと見てて思ったので、ちょっとこれはですね、来週やってみようかなというふうに思ってます。 シラバスに戻っていきます。生成AIを用いたテスト設計及びテスト実装の具体的なタスク2つ目は、テストデータの合成ということで、生成AIは本番データに類似しつつも、データプライバシーを保護した代表的な合成テストデータを作成できます。 このデータは境界値や極端な状況をカバーし、機能テストと非機能テストの両方に利用可能です。機密情報を公開することなく、アプリケーションの要件に合わせて現実的なシナリオをシミュレートするように調整できます。 直近あんまりイメージが湧いてないというか、これ何をインプットするんですかね。本番データに類似しつつもということは、本番データの個人情報の機密情報をインプットするの?もしかして、そんなことないよねというところを若干気になったんですけど、 何年か前に個人情報系のテストデータを作るときには、そういうウェブサイトがあったんですよね。ランダムで氏名と住所と年齢とか、いくつかの項目がいっぱいあるんですけど、それを選択するとそれっぽいデータを作ってくれるっていうウェブサイトがあって、 昔はそれで作ってましたかね。100人分とか1000人分とかで一括でデータインポートする機能とか、前の職場だとあったので、旧計算系のシステムとか引退システムとかだったんで、そのときはそういうふうに使いましたけど、それっぽいデータをAIが作ってくれるっていうのも確かにできそうかなというのは読んでて思いました。 3つ目いきます。自動テストスクリプトの生成。構造化されたテストケースから手動テスト手順や自動テストスクリプトを生成できます。AIはテストステップを解釈し、さまざまなテスト自動化フレームワークと互換性のあるコードへと変換します。これらのスクリプトは新しい要件に応じて更新や拡張を行うことも可能です。 ということで、私自身はやってるのとやってないことがあるんですけど、例えばユニットテストのテストスクリプトについては結構開発者の方はやってたりしますね。ユニットテストを書いてっていうふうに言っているので、ここについてはカバレッジとあとミューテーションテストという形で中身の妥当性は確認していきたいなと思いつつ、全くまだ着手できないジャンルです。 自分やってるよっていうのはやってるよなのかな、マジックポットの機能があって、チャットにこういうテストを作ってくださいというと作ってくれるテストをスクリプトにしてくれる機能があるので、それはたまに使っています。自分でやった方が基本的に早くて、詰まったときにサポートしてもらうというのが今の使い方になっています。 最後4つ目、テスト実行のスケジューリングと優先順位付けということで、テストケース間の相互依存関係、優先度、関連するリスク、リソースの可用性、およびテスト目的を分析し最適なテスト実行スケジュールを編成できますというふうに書いてありますが、これはまだやったことないですかね。 そこまでめちゃくちゃ直近1000ケーステストやりますとか100ケースやりますみたいなのがないのでやってないかなという感じです。 今日は以上です。 # 次回予告 スタンプラリーの今日の一文字を発表します。 1月11日は、カタカナのミになります。カタカナのミです。 さて、次回ここに入っていきますね。今回も最後までお聞きいただきありがとうございます。 明日の放送では、Voicyの特典は、新成人に伝えたい仕事感をお話ししていくんですけど、 やっぱり仕事を楽しむことって大事だよね、という話をしようと思っております。 そして、明日1月12日は私の誕生日でもございますね。 なので、そんなエピソードもお話しできたらなと思っております。 ここまで聞いていただきまして、よかったと思ったら、ぜひいいねを押してもらえるととても嬉しいです。 それではまた明日お会いしましょう。ごきげんよう。