とあるシステムの管理画面について、E2Eテスト仕様書のレビューをAIエージェント（Claude Code）で行ってみました。今回は、テストエンジニアがAIを使って作成したテスト仕様書を、さらにAIでレビューするという試みです。対象は契約・請求・注文・申込・認証といった機能を含む複数画面です。AIにレビューを任せることで、テスト観点の抜け漏れや設計・実装とのズレをどこまで発見できるのかを検証しました。

レビューの考え方

まず決めたのは、「何を正とするか」です。テストの基準となるのは、画面設計書とAPI仕様書です。AIには主に次の観点でレビューを行わせました。

設計書に記載されたバリデーション、画面遷移、ステータス遷移が漏れなくテスト化されているか
期待結果が実装に引っ張られて甘くなっていないか（仕様準拠になっているか）
設計と実装に差がある場合、その内容が仕様書に記録されているか

今回特に重視したのは、設計書だけでなく実装コードもAIに読ませることです。

実際のセレクタやエラーメッセージ、APIリクエストの内容まで確認させることで、机上のレビューではなく実際の挙動に基づいたレビューが可能になります。

並列でレビューを回す

17画面を順番にレビューすると時間がかかるため、画面をドメインごとに分割し、それぞれにレビュー担当のAIを割り当てました。プラン、契約、請求、注文、申込といった単位で並列にレビューを実施し、各AIが担当領域のテスト仕様書と実装を突き合わせながら確認します。

その結果、人間だけでは見落としやすい観点が数多く見つかりました。

例えば、

登録・更新APIに送信されるデータの内容が検証されていない
テストデータの件数を参照にしていて、実際のデータ数を確認しない
検索条件クリア時に、ソート順やページ位置まで初期状態に戻るか確認されていない

といった指摘です。

単純な画面操作だけでなく、実際に送受信されるデータまで含めて確認できたのは大きな収穫でした。

AIが見つけた問題

レビューでは、単なるテストケースの抜け漏れ以外にもさまざまな問題が見つかりました。

設計と実装のズレ

例えば、「設計では送信することになっている項目を、実装では送信していない」といった差分です。これはテスト仕様書の問題ではなく、設計と実装のどちらが正しいのかを確認する必要がある事項として整理できました。

古い記述の残存

テストデータを後から追加したにもかかわらず、仕様書には「データが存在しないため対象外」という記述が残っているケースもありました。こうした矛盾は人間でも見落としやすいですが、AIは関連箇所を横断的に確認できるため発見しやすいようです。

重複した資産

また、同じ画面のテストが旧版と新版で二重管理されているケースも見つかりました。結果として旧版のテストだけが壊れていたのですが、こうした資産管理上の問題まで洗い出せたのは予想外の成果でした。

修正後の再レビューも効果的だった

特に効果を感じたのは、修正後にもう一度レビューを実施したことです。1回目のレビューで指摘された内容を修正すると、その影響で別の矛盾や記述漏れが発生することがあります。実際、初回レビューでは見つからなかった問題が再レビューで見つかるケースもありました。AIレビューは一度で終わらせるよりも、修正後に再度実施することで精度が高まると感じました。

整合性チェックも任せる

テスト仕様書は、以下の3つの成果物で管理していました。

テストコード
Markdown仕様書
Excel仕様書

テストケースを追加するたびに手作業で同期するのはミスの原因になります。そこで、テスト件数・Markdownの項目数・Excelの項目数をスクリプトで突き合わせる仕組みを用意し、常に一致していることを確認できるようにしました。レビューと整合性チェックをセットで運用することで、成果物全体の品質を維持しやすくなります。

やってみて感じたこと

AIレビューの強みは、網羅性とスピードです。決められた観点を漏れなく確認しながら、複数画面を並列にレビューできるため、人手だけで行うよりもレビュー漏れを減らせました。一方で、AIの指摘がすべて対応必須とは限りません。設計と実装のどちらを修正するのか、テストデータを追加する価値があるのか、といった判断は人間が行う必要があります。そのため、AIの指摘を「必須」「推奨」「任意」などに分類し、対応の要否は人が判断する運用にしました。

結果として、不要な修正に振り回されることなくレビューを進められました。

まとめ

テスト仕様書のレビューは地味な作業ですが、品質に大きく影響する重要な工程です。今回、AIを活用することで、テスト観点の抜け漏れや設計・実装とのズレを短時間で洗い出すことができました。特に効果的だったのは、設計書だけでなく実装コードも含めてレビューさせたこと、そして修正後の再レビューまで実施したことです。AIに幅広く点検させ、最終的な判断は人間が行う。この役割分担は、現実的かつ効率的なレビューの進め方だと感じました。