小手先・ツール中心。
「このツールのこのボタンはこうクリックします。」考えることではなく従うことだけを教えられたので、半年後には忘れてしまいます。
率直にお伝えしたいことがあります。私自身も、これを完全に理解しているわけではありません。
40 年経った今でも、自分の職業の一部を学び直しています。知っていたことが間違っていたからではありません。足元の地面が動いたからです。もしあなたが、本当に得意なことの足元で同じ変化を感じているなら、私はそれを乗り越えた側から「こうしなさい」と言うためにこれを書いているのではありません。その渦中にいる者として、進みながら気づいたことを共有するために書いています。
今は新人のほうが有利だ、学び直すべきものが何もないから、と言う人もいます。なぜそういう話がされるのかは理解できます。でもそれがすべてではありません。このページでは、たいてい語られない部分についてお話ししたいと思います。あなたがすでに持っていて彼らが持っていないもの、そしてそれに加えるために時間を使う価値があると私が本当に思うものです。
— Hung Nguyen、SOH の STeP 創設者
実際に何が変わったのか
私に起きた、小さくて具体的な出来事をお話しします。90 年代、私はテストに関する本を何冊か執筆・共著しました。当時としては好評でした。しかし、その内容のほとんどはもう通用しません。間違っていたからではありません。その下にある仕事そのものが変わったからです。
大げさに言いたいわけではありません。お伝えするのは、自分の名を築いたものでさえ静かに役目を終えることがあるのなら、あなたの長年の経験だけが、小さな形で常に同じことが起きるのを免れているふりはしない、ということです。違いは、誰もあなたに本を捨てろとは言っていないことです。新しい章を書き続ければいいのです。
実際に変わったのは、バグを見つけること、カバレッジを計画すること、何かがおかしいと気づくことの価値ではありません。その直感は今も仕事の本質です。変わったのは、あなたの時間の使い道と、かつて手作業で作っていた素材の多くを今や何が生み出しているかです。テストケース、自動化スクリプトの初稿、探索的テストの提案。今では AI がそうしたものを大量に、しかも速く出してきます。
そのため、かつては単に「バグを見つけられるか」だった問いが、いつの間にか同時に三つの問いになっています。AI が今渡してきたものが本当に正しいかを見極められるか。人間なら見つけたであろう何かが抜けていないかを見極められるか。そして、あまり語られないけれど同じくらい現実的な問い。正しい聞き方を探すのに一日の半分とトークン予算の半分を費やすことなく、本当の価値を引き出せるほど AI とうまく対話するにはどうすればよいか。
最後の一つは小さなスキルではありません。それ自体が一種のリテラシーになりつつあります。
あなたの経験は足かせではない
長年この仕事をしてきたテスターから、同じような不安を何度も聞きます。AI がテストを生成し、自動化を書けるなら、自分のような人間には何が残るのか？
私が本当に残っていると思うものをお話しします。それは一つではありません。
AI は、データとパターンから出力を生み出すことについては本当に優秀で、速いです。それは疑いようがありません。AI がそれ自体では持っていないのは、創造的で批判的な思考です。過去に間違えた経験があり、その理由を覚えているからこそ生まれる思考です。それがあるからこそ、AI が渡すものをただ消費するのではなく、AI をリードし、一緒に働くことができます。そしてそれが、AI を自分の成果を何倍にもするものとして使うか、正しいことを祈るだけのブラックボックスとして使うかの違いです。
そして判断力があります。これは関連していますが、同じものではありません。創造的な思考は、そもそも AI を正しい問題に向かわせるためのものです。判断力は、AI が生み出したものを見て、それが正確で、信頼でき、リリースしても安全かどうかを本当に見極めるためのものです。両方が必要であり、どちらもコースの修了証からではなく、何年もこの仕事をしてきたことから築かれるものです。
今この職業のボトルネックはコード生成ではありません。評価、検証、方向付け、判断です。この四つは、生まれつき AI ネイティブであることからは生まれません。時間から生まれるのです。あなたは遅れていません。今この時代に本当に必要とされているものを、あなたはすでに持っているのです。
すでにあなたのものである一日が、少し変わっただけ
あなたは自分の一日がどんなものかをすでに知っています。あなたの仕事をあなたに説明し直すつもりはありません。ただ、あなたの職場ではまだ言葉になっていないかもしれませんが、今静かに変わっていると私が思うことをお話しします：
朝
朝のスタンドアップは、夜の間に自動テストスイートがすでに検出したものから始まることが増えています。その日の最初の本当の判断は、何を最初にテストするかではなく、その山の中から何に本当に注目すべきかです。
昼
昼の仕事には今も体系的なケースがあり、どの AI も代わりにやると決めることのできない探索的テストもあります。しかし今では、AI が生成したテストコードや AI が提案したケースを、信頼する前にレビューすることが増えています。これは、自分でゼロから書くのとは異なる頭の使い方です。
午後
午後には今も、開発者と一緒に掘り下げるバグがあります。そして、半年前にチームが導入した AI 支援ツールが本当に役に立っているかについての話し合いも増えています。
一日中
そして、一日のどこか一部に限らず、そのすべての根底に流れているもの。開発チームと継続的に密接に協力し、テストそのものを速める方法を一緒に探ることです。開発者やコーディングエージェントから出てくるコードと機能の量は、今やほとんどのテストプロセスが本来想定していたよりも速く動いているからです。そのペースについていくことは一度きりのプロジェクトではありません。仕事の恒久的な一部になりつつあります。
どれもあなたの仕事を置き換えたわけではありません。仕事の中で、あなたの注意が向かう先が変わったのです。
経験豊富なテスターが陥るのを見てきた落とし穴
40 年の間に数え切れないほどのトレーニングを受けてきましたが、そのほとんどは同じいくつかの穴に落ちていました。あなたもおそらく、少なくとも一つは経験したことがあるでしょう：
広すぎる。
テストを 500 のトピックの一つとして扱う汎用プラットフォームで、働き方を実際に変えるような深さがまったくありません。
資格偏重。
資格が本来表すはずだった判断力ではなく、資格そのものを渡すために作られています。
学習をゴールとして扱う。
これはすべての中で最もよくある落とし穴かもしれず、善意から最も陥りやすいものでもあります。コースを修了し、修了証を受け取り、学習は終わったと考えてしまう。ここで実際に得られるのは、基礎となる本物のスキルと本物の知識です。しかしそのどちらよりも重要なのは、AI とこの職業が変わり続ける中で、ついていき、適応し続ける力です。それらが変化を止めることはないのですから。あなたのジャーニーは、コースが終わっても終わりません。私はゴールラインではなく、その旅の仲間でありたいと願っています。
私は最初の三つを避けるために STeP を作りました。四つ目は、あなたがここを修了した後も、私たち二人が一緒に避け続けていくべきものです。
実際にどこから始めるか
実践的な話をしましょう。あなたが本当に知りたいのはそこだとわかっていますから。
STeP の基礎コース、つまりテストの基礎を扱うコースは、この分野が初めての人にとって必須となるよう作られています。あなたにとっては任意です。必須ではなく、復習です。足元で何も変わっていないことを確認するためにざっと目を通したいなら、そこにあります。すぐに飛ばしたいなら、それも手抜きではなく、正式にサポートされた選択です。
誰にとっても任意ではないのは、テストにおける AI のトラックです。私がまず勧めたいのはここです。これはもはや専門分野ではなく、基本スキルになったと本気で考えています。10 年前に基本的なスクリプティングが任意ではなくなったのと同じように。
API テストとテスト自動化エンジニアリングはその後に来ます。ここで、よくある思い込みを訂正したいと思います。これは「自動化の職を目指すなら」という意味での任意ではありません。テストにおける AI より優先度が低いだけで、飛ばしてよいものではありません。SDET になる必要はありません。今の時代、AI を使ってテストの構築と実行を自動化するのは自然なことであり、ますますそれが仕事の進め方そのものになっています。しかし、AI に正しいタスクを指示し、AI が生成したものを信頼頼みではなく本当の判断力でレビューするためには、自動化が実際にどう動くのかを十分に理解している必要があります。SDET レベルの深さではなく、その理解こそが、あなたを現役であり続けさせるものです。
ゼロから始めるのではありません。実際のギャップがある場所から始め、AI の仕事をチェックできる力を保つための部分は飛ばさないでください。
本当に理解する価値のある AI の概念
用語リストを渡すつもりはありません。あなたは、リグレッションテストや探索的テストが何を意味するかを知っているくらい長くこの分野にいます。長くこの仕事をしてきた人にとっても本当に新しいのは、今一緒に働いている AI システムが内部で実際にどう動いているかを理解することです。AI エンジニアになるためではありません。テストし、使っているものをブラックボックスとして扱うのをやめるためです。
モデルが実際にどう動くか。
LLM とは何か、そもそもどのように出力を生成するのか。そして、毎日これらのツールを使っていても多くの人が学ばないこと。コンテキストウィンドウ、つまりモデルが一度に実際にどれだけ覚えておけるか、そしてなぜ AI との長い会話で前の指示を忘れ始めたり、いつの間にか脱線したりするのか。会話が長くなるほど AI ツールの出来が悪くなった経験があるなら、たいていはそれが理由です。
うまく対話する。
プロンプトエンジニアリングとプロンプトパターン。当て推量ではなく信頼できる結果を得るための、実際の構造です。ファインチューニングと学習の違い。これらの言葉は同じように使われがちですが、同じものではありません。そして、そもそもなぜ AI の出力が決定的ではないのか、つまり同じプロンプトで二回違う答えが返ってくることがあるのかを理解すること。それは、基盤となるモデル、それを方向付けるシステムプロンプト、そしてそれらすべてを包むコードロジックの組み合わせによるものです。その組み合わせを理解すれば、「今回 AI が違う答えを出した」は謎ではなくなり、実際に筋道立てて考えられるものになります。
AI 自身の外に何が届くか。
RAG。モデルが一般的な学習だけでなく、実際の具体的な情報源に根拠を置くための仕組みです。MCP。AI ツールが他のツールやシステムに実際に接続し、それを使えるようにするプロトコルです。ツール使用そのもの。これは、それをつなぐプロトコルとは別に、モデルが何かを呼び出すと決める根本的な能力です。そして、よく使われる言葉である「エージェント」が実際に何なのか。それは実のところ、モデル＋ツール＋タスクが終わるまで続くループにすぎません。魔法ではありません。知っておく価値のある仕組みです。
なぜこれが仕事にとって重要なのか。
エージェントスキル。毎回誰かがタスクを説明し直す代わりに AI が呼び出せる、パッケージ化された再利用可能な指示のセットで、ツール間での移植性もますます高まっています。そしてグラウンディング。AI の出力を検証済みの情報源データに結びつける実践であり、RAG に直結し、ハルシネーションを見逃したバグになる前に見つけることにも直結しています。
始める前にこれらすべてを習得する必要はありません。存在を知っておけば十分です。STeP で、それをきちんと身につけていくことができます。
なぜこれをお伝えするのか
適応しなくても何も起きない、とは言いません。起きます。AI リテラシーを身につけたテスターとそうでないテスターの差は本物であり、自然に縮まることはありません。
しかし、必要のない焦りを作り出すつもりもありません。あなたは、多くの人が起きたことにさえ気づかないほど多くの変化を、この分野で乗り越えてきました。今回もきっと乗り越えられます。本当の問いは一つだけです。これからの一年を、散らばった情報源をつなぎ合わせながら一人で追いつくことに費やすのか、それとも同じ道を歩いている誰かが整理したものを受け取って、その時間の一部を節約するのか。
私が実際に提供しているのは、それだけです。資格ではありません。保証でもありません。私がこれまでに理解してきたことを、私がかけた時間の一部をあなたが節約できる程度に整理したものです。
私が長年一緒に働いてきた経験豊富なテスターのほとんどは、この職業が重要だと説得される必要はありませんでした。彼らに必要だったのは、すでに築いてきたものを尊重しながら戻ってこられる道でした。それが、私がここで作ろうとしたものです。
— Hung Nguyen、SOH の STeP 創設者