Hung Q. Nguyen
創業者
一緒に学ぼう：未経験者・キャリアチェンジの方へ — なぜソフトウェアテストなのか、なぜ今なのか
ソフトウェアテストに 40 年以上携わり、1,000 人のエンジニアを抱えるまでに成長した会社を共同創業し、グローバルなトレーニング組織の設立にも関わってきた私は、あらゆることを見てきました。それでも、今も学び続けています。AI はこの数十年のどんなものよりも速くこの分野を変えました。私のようなベテランでさえ適応し続けているのですから、まっさらな状態から始めるあなたにどれほどのアドバンテージがあるか想像してみてください。
すでにテストの仕事をしていて、AI に適応している最中ですか？
あなたにはこちらのページがおすすめです。
なぜこの職業なのか
多くの人が予想しないことがあります。AI がこれまで以上に速く多くのコードを書くようになるにつれ、そのコードが本当に動くかどうかを見極められる人の必要性は、減るどころか増えているのです。あらゆる自動化システムは、構築され、テストされ、保守される必要があります。AI はソフトウェア品質の仕事の必要性を置き換えたのではなく、何倍にも増やしました。ソフトウェアはより多く、より速くリリースされ、誰かが立ち止まって注意深く確認する時間は減っているからです。 ソフトウェアテスト（最近では品質エンジニアリング（QE）とも呼ばれます）は、誰よりも先に一つの問いに答える責任を負う職業です。「これは本当に動くのか、そして信頼できるのか？」 この問いは AI 時代になっても消えていません。むしろ、より切迫したものになっています。AI は、正しくないのに正しく見えるコード（そしてテストや判断）を生み出せるからです。
需要は構造的であり、推測ではない
病院、銀行、小売業、物流企業はいずれも、開発者を奪い合うのと同じように QA 人材を奪い合っています。これは一時的なブームではありません。ソフトウェアは恒久的な経済インフラなのです。
AI が新たなボトルネックを生んだ
AI によってコードが書かれるスピードが加速するにつれ、ボトルネックは検証へと移りました。AI が生成したコードの誤りをレビューし、検証し、見つけられる熟練した人材が十分にいるかどうかです。そのボトルネックこそが、あなたのキャリアのチャンスです。
資格より判断力
4 年制のコンピューターサイエンスの学位は必要ありません。必要なのは、細部に注意を払い、好奇心を持ち、ソフトウェアについて批判的に考える意欲です。その土台の上に技術スキルを築いていけばよいのです。
「テック業界」だけでなく、あらゆる業界で
医療、金融、行政、小売、物流。今ではそのすべてがソフトウェアで動いており、そのすべてが、ソフトウェアが信頼できることを確かめられる人を必要としています。
これは妥協のキャリアではありません。最前線のキャリアです。
あなたが得られるもの
報酬について率直にお話ししましょう。曖昧な約束ではなく、実際の数字を知る権利があなたにはあります。以下の数字は、私たちが最もよく知る米国とベトナムの市場を特に反映したものです。他の国ではそれぞれ絶対額が異なりますが、全体的な傾向は同様であることが多いです。
米国の給与レンジ
米国労働統計局によると、全国の中央値は $100,000 をわずかに上回り、上位 10% は $165,000 を超えています。上限を決めるのは役職名だけでなく、あなたのスキルです。
ベトナム市場の概況
QA／テストの給与は月額およそ ₫7.5M から ₫55M の範囲で、ホーチミン市とハノイが最も高くなっています。AI テストのフレームワークを習得したエンジニアは、すでにジェネラリストのテスターより 30〜50% 高い報酬を得ています。
条件を満たす人にとって、海外クライアント向けのリモートワークでは、現地の相場にさらに 40〜60% が上乗せされます。基礎スキルから自動化や AI 支援テストへと素早く進んだ未経験者の場合、最初の 2 年間で総報酬が 50〜100% 増えることも珍しくありません。— Hung
純粋なマニュアルテストの職は 2027 年までに約 20% 減少すると予測されています。市場がどこへ向かっているかを明確に示すシグナルです。
雇用の伸び
米国労働統計局は、2024 年から 2034 年にかけて、ソフトウェア開発者、QA アナリスト、テスターの雇用が 15% 増加すると予測しています。これは「平均よりはるかに速い」伸びで、毎年約 129,000 件の求人が見込まれます。しかし、その伸びは均等に分布しているわけではありません。AI ネイティブで AI リテラシーを持つテストの役割に集中しています。伸びは本物です。ただし、それに備えた人のためのものになりつつあります。
予測される雇用の伸び（2024〜2034 年、平均よりはるかに速い）
年間求人数（新規の職と離職者の補充を含む）
全国中央値（米国労働統計局）
キャリア初期の伸び（ベトナムで自動化に進んだ場合の最初の 2 年間の報酬増加）
国際カリキュラムロードマップ
基礎から高度なエンジニアリングまで、4 つの包括的なステージを通じて QA 自動化を習得します。
テスト＆QA の基礎
ソフトウェアテストの確かな基礎を築きます。
テストにおける AI
テストに AI を活用し、AI を活用したシステムを評価します。
API テスト
実践的な API テストのスキルを身につけます。
テスト自動化エンジニアリング
Playwright と CI/CD で最新のテスト自動化フレームワークを構築します。
日々の仕事の様子
ただボタンをクリックしてバグを探しているだけ、というステレオタイプは忘れてください。2026 年に働くテスターのリアルな一日をご紹介します。自分でテストを実行するのと同じくらい、AI を監督する一日です。
朝
状況把握と優先順位付け
スタンドアップ：夜の間に何が変わったか、皆が寝ている間に自動テストスイートが何を検出したか。AI が生成したテスト結果をレビューし、今日注目すべきことを決めます。
昼
実行と探索
一部の時間は体系的なテストケースに使います。残りは探索的テストです。好奇心旺盛な実際のユーザーのようにソフトウェアを触ってみて、誰もテストケースを書こうと思わなかった問題を見つけます。台本のない人間の行動のうち、どれをテストする価値があるかを AI は判断できません。それはあなたの仕事です。
午後
協働
開発者と一緒に厄介なバグを掘り下げます。機能レビューに参加します。AI が生成したコードやテストケースをレビューします。あなたの仕事はテストを生成することだけでなく、AI が生成したテストが本当に良いものかを判断することでもあるからです。
一日を通して
指揮と監督
すべてのテスト手順を手で書く時間は減り、AI エージェントに指示を出し、その出力を確認し、「正しく見える」けれど実は正しくない微妙な誤りを見つける時間が増えます。重い作業を担う AI が本当に正しくやっているかを確かめるのが、あなたの役割です。
あなたは、その場で「でも、本当に動くの？」と問いかける人です。そしてますます、「AI が今言ったことを信頼できるのか？」と問いかける人でもあります。
どう準備すればよいか
正直にお答えします。何年もかけて昔ながらのテストの方法を学び、後から AI のために学び直す必要はありません。テストの基礎と、それを AI ネイティブに活用する方法の両方を、初日から並行して身につけた状態で入ることができます。 それこそが、STeP（Software Testing eLearning Portal）が作られた目的です。
STeP は、一度修了したら終わりのコースではありません。AI とこの職業が進化し続けることを前提に作られた継続学習プラットフォームであり、トピックとコンテンツもそれとともに更新され続けます。世の中のトレーニングの多くは、STeP が避けるよう設計されている次の四つの落とし穴のいずれかに陥っています：
❌ 小手先・ツール中心
「このツールのこのボタンをこうクリックする」だけで、批判的に考える力を教えない。
❌ 広すぎる
テストを何百ものトピックの一つとして扱う汎用プラットフォームで、本当に必要な深さがない。
❌ 技術的すぎる、早すぎる
すでに自動化アーキテクチャに深く関わっている人向けで、始めたばかりの人向けではない。
❌ 資格偏重
資格が本来表すべき判断力を築くことより、資格を集めることに重点を置いている。
STeP 学習パス
始める前にすべてを理解している必要はありません。必要なのは学ぶ意欲だけです。40 年以上経った今も学び続けている Hung と同じように。
STeP は、確かなテストの基礎と、AI、API テスト、テスト自動化の実践的なスキルを組み合わせ、テクノロジーが進化し続ける中でも適応できるよう支援します。
どこで働けるか
この職業の最も良いところの一つは、「テック企業」に限定されないことです。ソフトウェア品質の仕事は、ソフトウェアがあるところならどこにでもあります。今日ではそれはほぼすべての場所を意味します。テクノロジー以外にあなたが情熱を注いでいる分野があれば、その背後にはきっとソフトウェア製品があり、それが動くことを確かめようとしているテストチームがあるはずです。
ソフトウェア＆SaaS
QA の伝統的な活躍の場。リリースサイクルが速く、自動化への期待も高く、今も盛んに採用しています。
金融サービス＆銀行
厳しい規制があるため、テストは特に重視され、報酬も高い分野です。バグのコストがとにかく大きいのです。
医療＆ライフサイエンス
ソフトウェアのバグが実際の患者のリスクにつながりうる分野。テストには本当の重みと、本当の責任があります。
小売＆E コマース
リリースサイクルが速く、顧客接点が非常に広く、需要のペースについていけるテスターが常に求められています。
通信
信頼性が絶対条件で、ダウンタイムが許されない、インフラ中心の大規模システム。
行政＆公共部門
ダウンタイムを許容できない市民にサービスを提供しながら、レガシーシステムを近代化する。意義があり、使命感のある仕事です。
業界だけでなく、会社の規模も関係します。スタートアップでは、より早く幅広い責任を任されます。大企業では、より多くの体制と、一つの分野での深さが得られます。どちらが「正しい」出発点ということはなく、どのような学習環境が自分に最も合っているかによります。
知っておきたい用語
始める前にこのリストを暗記する必要はありません。しかし、求人情報、チームのスタンドアップ、コース教材でこれらの用語に出会ったときに認識できると役立ちます。この分野の用語は AI 時代に大きく広がりました。今最も重要なものをご紹介します。
ソフトウェアがユーザーに届く前に品質基準を満たしていることを確かめる、より広い分野。厳密には、欠陥を見つけるだけでなく、プロセスを通じて欠陥を防ぐことを指します。
QA をより現代的に拡張したもの。エンジニアリングの厳密さ、自動化、開発プロセス全体を通じた戦略的な関与を重視します。
厳密な台本なしに、自分の判断と好奇心を使って行うテスト。「マニュアルテスト」と呼ばれることも多いですが、AI が探索も支援できるようになった今、その呼び方はますます時代遅れになっています。
人が手作業で行うのではなく、コードやスクリプトを使ってテストを自動で実行すること。より速く再現性も高いですが、その質は背後のスクリプト次第です。
テスト基盤を構築するために相当量のコードを書く、専門的で高度に技術的な役割。確かなテストの基礎を身につけた後によく目指す方向であり、通常は出発点ではありません。
新しいコード変更が、以前は動いていたものを誤って壊していないかを確かめるためにテストを再実行すること。動きの速いチームに欠かせないセーフティネットです。
開発の終盤に行われ、製品が本来の目的どおりに動くことを確認するテスト。実際に使う人と一緒に行われることがよくあります。
「従来の」テストを先に学んで後から AI に適応するのではなく、最初から AI ツールと AI リテラシーを組み込んでテストに取り組むこと。STeP が軸としている考え方です。
最小限の人の入力で意思決定し、タスクを完了できる自律的な AI コンポーネント。日々テストする対象であると同時に、監督する対象にもなりつつあります。
AI モデルが、自信に満ちてもっともらしく聞こえるものの、実際には誤っている、または捏造された出力を生成すること。これを見抜くことは今や仕事の中核であり、それに必要なのはさらなる AI ではなく、人間の判断です。
大量のテキストで学習した大規模な AI モデルで、現代のほとんどの AI ツールを支え、言語を生成し推論します。あなたが出会うほとんどの AI エージェントのエンジンです。
AI システムの出力をうのみにせず、人間がその判断を検証・修正するアプローチ。実際には、「AI を監督する」ことの大部分がこれにあたります。
AI システムから望む出力を確実に得るために入力を作り込むスキル。AI ツールを使って働くすべてのテスターにとって、ますます実用的なスキルになっています。
プロンプトとは異なり、エージェントスキルは、AI が特定のタスクを処理するために呼び出せる、パッケージ化された再利用可能な指示のセットです（ツールやコードと一緒にまとめられていることもあります）。毎回人が何をすべきかを説明し直す必要がありません。ベンダー間での移植性も高まっており、同じスキルファイルが Claude、Gemini、Copilot、OpenAI のツール、Grok などで動作します。
分類や予測だけでなく、テキスト、コード、画像などの新しいコンテンツを生み出す AI。その仕組みを理解することは、うまくテストするための基礎です。
全体像を知りたいですか？STeP では、すべてのテスターが知っておくべき 100 の AI 用語のリストを、分野の用語の進化に合わせて更新し続けています。
Hung からのメッセージ
出典
このページのデータと予測は、2026 年に参照した以下の公開情報源に基づいています：