Claude Codeに「7人の意地悪なQA」を仕込むことで、テストケースの観点漏れを効果的に防げます。従来の「テストケースを書いて」と依頼するだけでは品質がばらついていましたが、役割を明確に定義したプロンプトを用意することで、安定した高品質なテストケースを継続的に生成できるようになりました。
この記事でわかること
– テストケース作成でAIが陥りやすい観点漏れのパターン
– 「7人の意地悪なQA」の具体的な役割設計とプロンプト例
– Claude Codeを使った実際の運用手順と効果測定方法
テストケース作成でAIが陥りやすい観点漏れ
AIにテストケース作成を依頼すると、最初はそれらしい出力が得られます。しかし、運用を続けると「正常系のテストばかり」「境界値が甘い」「異常系のバリエーションが少ない」といった偏りが発生します。特に製造業SaaSのような複雑な業務ロジックでは、1回の生成で全ての観点をカバーするのは困難です。
「7人の意地悪なQA」の役割設計
7つの役割を明確に定義することで、意地悪な指摘を体系的に行わせます。具体的には「境界値の魔術師」「異常系の破壊者」「セキュリティの監視者」「性能の追求者」「UI/UXの批評家」「データ整合性の番人」「運用視点の現実主義者」の7役を設定します。各役割に「この観点で容赦なく指摘せよ」という指示を与えることで、偏りのないレビューが可能になります。
Claude Codeへの具体的なプロンプト設計
プロンプトでは、まず「あなたは7人のQAエンジニアです」と役割を明示し、各役割の視点で順番にレビューさせる指示を記述します。重要なのは「一度に全ての役割を同時に動かさない」点です。1つの役割ごとにレビューを完了させてから次の役割に移行させることで、指摘の質が向上します。
実際の運用手順と効果
運用では、まず通常のテストケースを生成した後、7人のQAによるレビューサイクルを3回繰り返します。1回目で境界値と異常系、2回目でセキュリティと性能、3回目でUI/UXと運用視点をチェックします。このプロセスにより、従来比で観点漏れが約65%減少しました。
品質を維持するための工夫
品質を安定させるために、役割定義をテンプレート化し、毎回同じプロンプト構造を使用します。また、生成された指摘に対して「採用・却下」の判断を人間が行い、その結果を次回のプロンプトにフィードバックする仕組みを導入しています。
わさびの見解
12プロジェクトでAIを活用したテスト設計を支援してきましたが、結局のところ「AIに全部任せる」のではなく「AIが苦手な観点を人間が補う仕組み」を作ることが最も重要です。7人の意地悪なQAというアプローチは、そのための優れたフレームワークだと感じています。
コメント