Tokyo Test FestLalitkumar Bhamare · 自動化の先へ · Tokyo Test Fest 2026
Tokyo Test Fest 2026 · カンファレンス講演

自動化の先へ

Agentic QCSD で、AI エージェントはテスターを置き換えるのではなく増幅する

Lalitkumar BhamareQE ソートリーダー、EMEA · Accenture QESQCSD と Agentic QCSD の考案者
2026年11月13日 · 15:25〜15:55
大崎ブライトコアホール、東京
写真: Takashi Miyazaki / Unsplash

自己紹介

はじめに
Lalitkumar Bhamare
Lalitkumar Bhamare
シニアマネージャー、Accenture Song · ドイツ
Accenture QES ソートリーダーシップ EMEA リード
ほかの仕事はこちらtalesoftesting.com

多くの組織は、品質を プロセス で追い求めます。私はキャリアを通じて、品質が 意識から生まれることを示してきました。ソフトウェアデリバリーのあらゆる段階に 織り込まれた 、意図的で人間中心の気づきです。

CEO、編集長、共同創業者: Tea-time with Testers
元 教育担当副会長・理事: Association for Software Testing, USA
共著者: State of Testing レポート
寄稿者: Taking Testing Seriously(Bach、Bolton 著)
考案者: QCSD と Agentic QCSD
考案者: QX(Quality Experience)フレームワーク
国際的な基調講演者: テストと品質のコーチ
アドバイザリーボードメンバー: ドイツのテック系スタートアップ
EuroSTAR 2022 Best Paper Winner
EuroSTAR 2022最優秀論文賞Quality Conscious Software Delivery に対して
PractiTest 2025 Emerging QA Leader of the Year
PractiTest 2025Emerging QA Leader of the Year 受賞
01セクション 01

速い馬症候群

ツールが世代を重ねるごとにテストは速くなりました。それでも、ソフトウェア品質の低さによるコストは上がり続けました。

写真: Angelica Hasbon / Unsplash
速い馬症候群

同じ騎手、同じ道、
速くなったのは馬だけ

どの世代のツールも、テストの速さを変えました。
何のためにテストするのか、その背後にあるマインドセットは、どれも変えませんでした。

01 · 品質なきスピードのコスト
$2.41T

2022年に米国でソフトウェア品質の低さによって失われた額。技術的負債 $1.52T は含まず

$5.4B2024年7月、1つの欠陥のあるソフトウェア更新による Fortune 500 企業の推定損失
CISQ 2022 · Parametrix 2024
02 · AI が加速させているもの
−7.2%

AI を導入したチームでのデリバリーの安定性

8×2024年に重複コードブロックが増加、リファクタリングは 40% 減少
DORA 2024 · GitClear 2025
03 · テストは AI を何に使っているか
70%

テストにおける AI 活用のうち、テストケース作成に使われる割合

4.5%ビジネス価値で評価されているチームの割合。56% はカバレッジで評価されています。
State of Testing 2026

私たちはスピードを買い続け、その代償を品質で払い続けています。

写真: Catrin Ellis / Unsplash
02セクション 02

量、価値、そしてテスト

量に駆動されたテストのコストと、価値を生むテストの姿。

写真: Sasun Bughdaryan / Unsplash

量に駆動されたテスト文化がループを回し続ける仕組み

セクション 02 · 量、価値、そしてテスト

量に駆動されたテストは中立ではありません。自らを増幅し、1周するごとに品質を少しずつ悪くします。

進捗を量で測るテストケース、カバレッジ、スクリプト
テストはビルドの後に始まるコードの前に問いを立てる時間がない
欠陥の発見が遅れる修正コストが最も高くなる時点で
手戻りと火消しスプリントは考えることではなく直すことに費やされる
上流での思考が真っ先に削られるリスク分析は空いた午後を待つことになる
進捗を見せる圧力が強まるだから、もっとテストを数える
品質の低下1周ごとにテストは増え、情報は減る
自己強化ループ

このループのどこにも、テストが誰かの行動につながる情報を生んだかを問う場所はありません。1周ごとに量が増え、考える時間が減ります。

量の側に置かれた AI

AI にテストケースを量産させれば、同じループがただ速く回るだけです。

ループを断ち切るもの

判断をまだ安く変えられるうちに届く情報。

上流での厳密さ を、ビルドの前に。

ビルドの後にテストを増やすのではなく。

価値を生むテストの姿

セクション 02 · 量、価値、そしてテスト

ほとんどのテストは氷山の一角で測られています。価値は水面の下にあります。

多くのチームが数えているものテストケース自動化スクリプト合格した受け入れ基準
実際に価値を生むもの
つくるものを形づくる
  • ビジネスと一緒に行うリスク評価
  • リリースごとに合意した品質基準
  • 抜けや矛盾を探して要件に問いを立てる
  • 設計が固まる前のテスト容易性の要望
  • デザインのエクスペリエンスとアクセシビリティのレビュー
見る範囲を広げる
  • 幅広いカバレッジのためのプロダクト要素の評価
  • チャーターに基づく深い探索
  • パフォーマンス、セキュリティ、レジリエンスのリスク
  • 実際のユーザーを反映したテストデータ
  • 実験と「もしも」の問い
システムを信頼しやすくする
  • 元が取れるところでの賢い自動化
  • 早い段階で求めるログ、フック、モニター
  • チーム間の契約と統合のリスク
  • 根拠に基づくリスクベースの品質ゲート
学び、フィードバックする
  • テレメトリとエラーログからの学び
  • 仕事のやり方を変える根本原因分析
  • ビジネスがすでに追っている品質指標
  • 開発者とプロダクトオーナーへのテストのコーチング
  • ビジネスの言葉でのリスク報告

テストが価値を生むのは、その情報が、まだ安く変えられるうちに判断を変えるときです。

70/30 問題が価値の創出を難しくする仕組み

セクション 02 · 量、価値、そしてテスト

事務作業とプロセスの負担が、認知的な仕事に必要な時間を奪います。最初に感じるのはテスターですが、代償を払うのはチーム全体です。

70% · 事務作業とプロセスの仕事
30% · 認知的な仕事
70% を埋めているもの
30% に押し込められているもの
テスター
テストケースとスクリプトの作成と保守、状況報告、失敗した実行の切り分け
リスク判断、探索、テスト容易性、テスト戦略
開発者
遅れて見つかった欠陥の手戻り、チケットとパイプラインの管理、引き継ぎ
テスト容易性を考えた設計、エッジケースの検討、リスクについてのペアリング
プロダクトオーナー
バックログの管理、進捗会議、要件の再説明
意図の明確化、品質基準の合意、つくらないものの決定
デリバリーリード
報告、調整、依存関係の追跡
構造的なリスクの除去、チームの仕事のやり方の改善
70/30 問題

どの役割でも、事務作業とプロセスの仕事が考える時間を押し出しています。
水面の下にあるものすべてを、30% に収めなければなりません。

03セクション 03

Quality Conscious Software Delivery

QCSD とは何か、どう運用するのか、何を変えたのか。

写真: Jaipreet Singh / Unsplash

QCSD の紹介

セクション 03 · Quality Conscious Software Delivery
Quality Conscious Software Delivery

品質を意識する人々が、品質を高めるプロセスで、品質の高いプロダクトを届ける。

そのすべてを支えるのが、価値主導のテストです。

品質の3つの捉え方 · QualiTri

品質は、プロダクトだけの性質ではありません

  • プロダクトは人がつくる
  • 人はプロジェクトの中で、プロセスに沿って働く
  • プロジェクト、人、プロダクトの品質は互いに影響し合う
Lalit Bhamare による QualiTri モデル
運用の仕組み · 4E サイクル

Enable、Engage、Execute、Evaluate

5つのフェーズ

セクション 03 · Quality Conscious Software Delivery

SDLC のすべてのフェーズで、すべての役割が、すべてのタスクを、より品質を意識して行う。

Enable と EngageExecuteEvaluate
支援活動
テスト容易性改善セッション隔週のテスター交流会自動テストスイートの定期評価本番エラーログからの学び

QCSD は上流での厳密さを機能させた

セクション 03 · Quality Conscious Software Delivery

上流での厳密さは理想ではなく、チームの仕事のやり方になりました。リリースごとのリードタイムがそれを示しています。

開発中ブロックQA 中導入前の中央値
18–49
日: 導入前のリリースごとのリードタイム
11–13
日: 導入後のリリースごとのリードタイム
評価と普及
EuroSTAR 2022 最優秀論文賞

QCSD は 2022年に EuroSTAR Software Testing の最優秀論文賞を受賞しました。 論文を読む

公開された業界事例

iFM engineering が QCSD 導入の事例を独自に公開しました。

Accenture の複数のクライアント

QCSD は Accenture の複数のクライアント案件で適用されています。

アプローチは機能しました。難しかったのは、リリースのたびにそれを続けることでした。
04セクション 04

上流での厳密さをめぐる隠れた課題

明らかに機能していたのに、上流での厳密さを安定して続けられなかった根本的な要因。

写真: Luis Villasmil / Unsplash

上流での厳密さが安定しなかった理由

セクション 04 · 上流での厳密さをめぐる隠れた課題

上流での厳密さは、実行されれば機能しました。毎回は実行されなかった理由がこれです。

事務作業の負荷

チームの能力の約 70% が事務作業に使われます。上流での厳密さに回るのは、その残りです。

70%
30%
認知的過負荷

7つのプロダクト要素を、すべてのストーリー、すべてのスプリントで、人の頭の中だけで抱えている。

疲労

深さは、誰が部屋にいて、どれだけ疲れているかで決まります。セッションは回を追うごとに浅くなります。

薄れるモチベーション

準備は目に見えない努力です。数えられ、評価されるのは事務作業のほうです。

デリバリーの圧力

締め切りが動くと、先を考える時間が真っ先に削られます。

テストにおける AI への本当の問い

足りないのは能力や努力ではありません。キャパシティです。
AI はテスターにそのキャパシティを取り戻し、それを使ってより効果的に働けるようにできるでしょうか?

05セクション 05

Agentic QCSD: 置き換えではなく増幅

AI エージェントが担う上流の厳密さ、そこに設計して組み込む判断、そして最終判断を下すのは今も人であること。

写真: Mick Haupt / Unsplash

Agentic QCSD: AI エージェントで強化した QCSD

セクション 05 · Agentic QCSD: 置き換えではなく増幅

目的も、人も、プロセスも同じです。上流での厳密さを、実現可能で、手頃で、より賢いものにします。

セッションは残ります。AI エージェントのスウォームがすべてのストーリーの準備を行い、判断するのは人です。

QCSD · 2019年から人が行うセッション
Agentic QCSD · 現在Agentic QE のスウォームまたは AI エージェントが担う
アイデア出し
アイデア出し前の要件確認
testability scoringスキル
QX セッション
qe-qx-partnerAI エージェント
インパクトマッピング
人が行うセッション · 根拠集めは qe-qx-partner人が行うセッション
リファインメント
SFDIPOT によるストーリー分析
qcsd-refinement-swarmスウォーム
プロダクトカバレッジセッション
qe-product-factors-assessorAI エージェント
開発
受け入れ基準に対する開発者テスト
qe-test-architectAI エージェント
コード品質チェック
qcsd-development-swarmスウォーム
CI/CD
自動品質ゲート
qcsd-cicd-swarm · qe-queen-coordinatorスウォーム
本番運用
本番テレメトリとエラーログ
qcsd-production-swarmスウォーム
チーム全体の 70/30 の比率

コスト、スピード、品質を同時に。 かつては人日単位のコストがかかった厳密さが、人による判断ゲートをすべて残したまま、スプリントの速度で回ります。

AI エージェントなし
70% 事務作業とプロセスの仕事
30% 認知的な仕事
Agentic QCSD あり
70% 事務作業とプロセスの仕事30% 事務作業
30% 認知的な仕事70% 認知的な仕事: リスク、基準、テスト容易性、探索

Agentic QCSD: その下にあるもの

セクション 05 · Agentic QCSD: 置き換えではなく増幅

人が方向を決め、AI エージェントのスウォームが作業を行います。インテリジェンスエンジンである Agentic QE は、すべてのスプリントから学びます。

人による方向づけ · 検証こそが制御

5つの人による判断ゲート · すべての成果物に GO、CONDITIONAL、NO-GO の判定 · 人、プロジェクト、プロダクトのための QualiTri ダッシュボード

AI エージェントのスウォーム層 · 8+2 のスウォーム · 74 以上の AI エージェント · 75 以上のスキル
スウォームのオーケストレーション · Queen コーディネーター
デザインデザインレビュースウォーム · QX
ディスカバリーアイデア出しスウォーム
テスト設計リファインメントスウォーム
リファインメントと構築開発スウォーム
CI/CDCI/CD スウォーム
本番運用テレメトリ · L3 ループ
フェーズ間の交換すべてのフェーズが互いに情報を渡す · 13 の DDD 境界づけられたコンテキスト · PACTS 原則
学びを書き込む
コンテキストを読む · 2 ms
インテリジェンスエンジン · Agentic QE · スプリントのたびに前回より賢く
ナレッジグラフメモリチームのコンテキストとフェーズ横断のメモリ
高速インデックス約 2 ms で読み込み、変更のない作業はスキップ
学習パイプラインスプリントやプロジェクトをまたいで再利用されるパターン
オフラインでの統合実行履歴を再利用できるパターンに凝縮
自己調整する検索検索とルーティングが自ら調整される
セルフレビューループAI エージェントが AI エージェントを批評する
統合層 · 11 以上のプラットフォームとシステム · LLM に依存しない

GitLab · Jira · Confluence · SAP RFC · Kafka · Salesforce API · 決済ゲートウェイ · CI/CD · 組織自身のキーで使う、承認済みの任意のモデルチャネル

横断的なガードレール
コストを考慮したモデルルーティング5段階のルーティングとローカルブースター · トークンコストを 70〜85% 削減
自己修復34 以上の既知の障害シグネチャ · 自律的な復旧
品質ゲート迎合を防ぐスコアリング · 中身のないテストは却下 · 学習した履歴からのエッジケース
セキュリティとデータ所在フェイルクローズのデータ所在制御 · サニタイズされた環境 · 検証済みのサプライチェーン
標準と ADR中央の ADR と準備完了ルール、すべてのチームのための舗装された道

後付けではなく、すべての層、すべての実行で適用されます。

本番環境での学びが計画に再び反映されます。デリバリーのライフサイクルは最初の応用にすぎず、同じスウォーム、スキル、ガバナンスを組み合わせて、ほかの多くのソリューションをつくれます。

置き換えではなく増幅

セクション 05 · Agentic QCSD: 置き換えではなく増幅

その問いへの答え: テスターはキャパシティを取り戻し、AI エージェントはその判断をより鋭くします。

テスター判断をもたらす
批判的思考
リスク判断
テスト容易性の評価
深い探索
ビジネスとドメインのコンテキスト
倫理的な判断
創造的な「もしも」の問い
最終判断
増幅何も置き換えない
AI エージェント準備をもたらす
すべてのストーリーの準備
7つのプロダクト要素すべてにわたる幅
すべての判定の裏づけとなる根拠
スプリントをまたいで引き継がれる記憶
スプリント1と同じ厳密さをスプリント6でも
人が考える時間を生むスピード

QX AI エージェントによるカスタマージャーニーのレビュー

デモ 1 · QX AI エージェント · デザインレビュー · デザイナー向け

QX AI エージェントが実際のカスタマージャーニーをレビューし、デザイナーが判断します。 R リプレイ

テクニカルディスカバリー前のディスカバリー文書レビュー

デモ 2 · ビジネスディスカバリー · TPO 向け

8つの AI エージェントがディスカバリー文書をレビューし、TPO が判断します。 R リプレイ

開発前に要件からつくるテスト戦略

デモ 3 · テスト戦略 · テスターと開発者向け

1つの AI エージェントが戦略を起草し、自らの限界を明示します。テスターが判断します。 R リプレイ

自動化の先で、テスターを増幅するさらに多くの方法

セクション 05 · Agentic QCSD: 置き換えではなく増幅

Agentic QE フレームワークによる Agentic QCSD: テストを書くだけでなく、あらゆる種類のテストの仕事のための AI エージェント。

テスト生成7
Test ArchitectTDD SpecialistTDD RedTDD GreenTDD RefactorProperty TesterTest Idea Rewriter
テスト実行4
Parallel ExecutorFlaky Test HunterRetry HandlerIntegration Tester
カバレッジ分析3
Coverage SpecialistGap DetectorMutation Tester
品質評価9
Queen CoordinatorFleet CommanderQX PartnerQuality GateCode ReviewerDeployment AdvisorIntegration ArchitectRisk AssessorDevil’s Advocate
欠陥インテリジェンス4
Defect PredictorPattern LearnerRoot Cause AnalyzerRegression Analyzer
学習の最適化3
Learning CoordinatorTransfer SpecialistMetrics Optimizer
セキュリティとコンプライアンス4
Security ScannerSecurity AuditorSecurity ReviewerPentest Validator
カオスとレジリエンス4
Chaos EngineerLoad TesterPerformance TesterPerformance Reviewer
コードインテリジェンス5
コードインテリジェンスKnowledge Graph BuilderCode Complexity AnalyzerDependency MapperImpact Analyzer
コントラクトテスト3
Contract ValidatorGraphQL TesterIntegration Reviewer
要件の検証4
Requirements ValidatorBDD GeneratorProduct Factors AssessorQuality Criteria Recommender
ビジュアルとアクセシビリティ3
Visual TesterResponsive TesterAccessibility Auditor
エンタープライズ統合7
SOAP TesterSAP RFC TesterSAP IDoc TesterMiddleware ValidatorOData Contract TesterMessage Broker TesterSOD Analyzer
n8n ワークフローテスト14
Workflow ExecutorUnit TesterIntegration TesterTrigger TesterExpression ValidatorNode ValidatorBDD Scenario TesterChaos TesterPerformance TesterSecurity AuditorCompliance ValidatorMonitoring ValidatorCI OrchestratorVersion Comparator
74 以上の AI エージェント · 14 のドメイン

Queen が率いる階層型の協調 · ワークスティーリングでスループット 3〜5 倍 · 全体を通じた PACTS 原則 · 14 の AI エージェントからなる n8n ワークフローテストのスウォームを含む

持ち帰ってほしいこと

テストは、昔から情報のビジネスだった

AI エージェントは、その情報をもっと表に出し、判断を変えるかたちでテスターが伝える手助けができます。正しく使えば。

01
これまでテストを量産する AI
これから誰にも見つける時間がなかったことを表に出す AI エージェント

7つのプロダクト要素すべてにわたるリスク、抜け、矛盾を、すべてのストーリーで、ビルドの前に。

02
これまで誰も動かないレポート
これからまだ安く変えられるうちに判断を変える根拠

すべての判定に理由があり、ビジネスの言葉で伝えられる。

03
これまでAI の出力をそのまま信じる
これからそれに問いを立て、判断を下すテスター

判断、文脈、倫理は人に残る。AI エージェントはそれをより鋭くする。

正しく使えば、AI はテスターをかつてないほど重要な存在にする。

増幅するのは、思考。

量ではない。

献辞

辰巳 敬三さんへ

生涯をテストに捧げてきたテスターであり、10年来の友人です。私が今日東京にいる理由の1つは、彼です。

  • 1976富士通のソフトウェア検査部門に入社、のちにソフトウェア品質保証部門を率いる
  • 1987COMPSAC で「Conceptual support for test case design」を共著、組み合わせテストの初期の研究
  • 現在日本のソフトウェアテストの歴史家、NPO ASTER 会員、State of Testing レポート日本語版の翻訳リーダー

辰巳さん、本当にありがとうございました。Thank you, Tatsumi-san.

東京での辰巳 敬三さんと Lalitkumar Bhamare
辰巳さんと私 · 東京、2026年11月

速い馬は、私たちを救わない。

救うのは、増幅された、考えるチーム。

Lalitkumar Bhamarelinkedin.com/in/lalitbhamare · teatimewithtesters.com · talesoftesting.com
Agentic QCSD を入手オープンソース、MIT ライセンス、Agentic QE フレームワーク上に構築
写真: Mathew Schwartz / Unsplash
Lalitkumar Bhamare·Tokyo Test Fest 2026·Accenture