ビジネスNEW
【HQW!調査】QAエンジニア500名の生成AI活用実態とは?

目次
テストケースをAIで生成する。ログの分析を手伝わせる。自動化コードの作成に使う。生成AIは、QAの仕事にも活用されるようになっています。
HQW!が品質保証(QA)・テスト業務に携わる500名を対象に実施した調査では、生成AIを「日常的に活用している」「時々活用している」と回答した人が合わせて58.6%でした。また、生成AIの利用・試行者359名のうち、81%が業務の効率化を実感しています。
作業が効率化される一方で、AIの出力が正しいかを確かめることや、仕様に潜む問題を考えることも欠かせません。今回の調査からは、生成AIによって変わる業務と、これからのQAエンジニアに求められる役割が見えてきます。
QAエンジニアの業務実態、テスト実行49.4%・要件レビュー44.4%
本調査では、QAエンジニアが実際に担当している業務として最も多かったのは「テスト実行」で、49.4%でした。次いで、「テスト設計・計画」が45.0%、「要件・設計レビュー」が44.4%、「品質改善」が42.2%と続きます(Q3、複数回答)。

仕様書から曖昧な条件を見つける。設計について開発者と話し合う。テスト結果を基に、次の開発で同じ問題を起こさない方法を考える。QA業務には、テストを実行して結果を確認する以外にも、さまざまな活動があります。
QA活動に関わり始める開発段階を尋ねたところ、「要件定義」が51.8%と最も多く、「基本設計」が50.8%となりました。また、「詳細設計」が46.6%、「テスト計画」が42.0%、「テスト実行」が40.2%となった他、「リリース後」も31.0%となっています(Q4、複数回答)。

この結果から、QA活動は製品やサービスを市場へリリースした後だけでなく、要件定義や基本設計といった開発の初期段階からも行われていることが分かります。
一方、品質を確保する上での課題もあります。「納期・予算・人員の不足」が38.2%、「要件・仕様の不確実性」が38.0%と上位に挙がりました(Q6、3つ以内で選択)。
限られた人員や時間の中で品質を確保するためにも、業務の効率化や、開発の早い段階で要件・仕様を確認することが重要になると考えられます。
QAエンジニアの生成AI活用率は58.6%、テストケース・テストデータ作成での利用が最多
こうした現場で、生成AIはどのように活用されているのでしょうか。
本調査では、QA業務で生成AIを「日常的に活用している」と回答した人が32.6%、「時々活用している」が26.0%で、合わせて58.6%となりました。また、「試行中」が13.2%、「未活用だが検討中」が13.4%となっており、すでに活用している人だけでなく、試行や導入を検討している人も一定数いることが分かります(Q7、n=500)。

利用・試行者359名に用途を尋ねたところ、「テストケース作成」と「テストデータ作成」が共に49.3%で最多となりました。次いで、「自動化コード作成」が44.8%、「要件・仕様分析」が44.3%、「報告書作成」が38.2%、「ログ・不具合分析」が37.6%となっています(Q8、複数回答)。

例えば、テストケース作成では、生成AIで案を作成し、仕様と照らし合わせながら人が追加・修正するといった活用が考えられます。また、報告書の作成でも、生成AIで構成案を作り、人が必要な情報を補いながら仕上げるといった使い方が考えられます。
このように、生成AIはテストケースやテストデータの作成から、コード作成、分析、報告書作成まで、QA業務のさまざまな場面で利用されています。
生成AIに作成や整理の一部を任せることで、人が確認や判断、修正といった作業に多くの時間を使える点は、QA業務で生成AIを活用するメリットの一つといえるでしょう。
QA業務で生成AIを利用・試行した人の81%が効率化を実感
生成AIの利用・試行者359名のうち、「大幅に効率化した」と回答した人は30.9%、「やや効率化した」は50.1%でした。合わせて291名、81%が生成AIの活用によるQA業務の効率化を実感しています(Q9)。

一方、生成AIの活用には懸念もあります。QA業務で生成AIを利用する際に最も懸念することとして、「誤った回答・見落とし」が32.2%で最多となりました。次いで、「機密情報の漏えい」が17.0%、「判断根拠の説明が難しい」が13.4%と続きます(Q10)。

テストケースを短時間で作成できても、必要なテスト観点がそろっているとは限りません。生成AIが示した説明や分析結果についても、仕様や実際の動作と合っているかを人が確認する必要があります。
例えば、生成AIが作成したテストケースでは、条件の抜け漏れや想定外の操作がないかを確認する。自動化コードでは、単に動くだけでなく、意図した内容を正しく検証できているかを確かめる。こうした確認や判断は、QAエンジニアの重要な役割です。
生成AIに任せられる作業が増えるほど、生成AIの出力をそのまま受け入れるのではなく、その妥当性を判断するQAの視点がより重要になります。
また、機密情報の取り扱いにも注意が必要です。生成AIに入力してよい仕様やデータの範囲、利用可能なツールなどのルールをあらかじめ決めておくことで、機密情報の漏えいリスクを抑えながら生成AIを活用できるでしょう。
QAエンジニアが2027年に注目する技術、AIエージェントが38.0%、AIテスト自動化が37.4%
2027年に注目すべきテクノロジーを尋ねたところ、「AIエージェント/エージェント型AI」が38.0%、「AIによるテスト自動化・自律型テスト」が37.4%となりました。次いで、「AIコーディング/AIネイティブ開発」が30.4%、「AIの評価・品質保証(AI Evaluation)」が28.6%と続きます(Q21、複数回答)。
また、「AIセキュリティ」が23.0%、「AIガバナンス/Responsible AI」が17.4%となりました。生成AIを業務の補助として使うだけでなく、生成AIを組み込んだ製品やサービスの品質や安全性をどう確保するかという点にも、関心が集まっていることがうかがえます。

今回の調査では、生成AIによるQA業務の効率化を実感する人が多い一方で、出力の正確性や機密情報の取り扱いに課題を感じている声も見られました。生成AIを活用して作業を効率化しながら、その出力が適切かを人が確認・判断することが重要です。
生成AIにどこまで任せ、どの部分を人が確認・判断するのか。人と生成AIの役割を適切に分担しながら、業務効率化と品質を両立していくことが、これからのQAエンジニアにとって、ますます重要になっていくことでしょう。
調査概要
- 調査名:QAエンジニアの業務・キャリア・生成AI活用に関する調査
- 調査主体:HQW!(運営:株式会社ベリサーブ)
- 調査方法:インターネットによるアンケート調査
- 調査ツール:Fastask
- 調査期間:2026年10月10日~10月31日
- 調査対象者:ソフトウェアやシステムの品質保証(QA)・テストを主な業務、または一部業務として担当する方、500名
- 有効回答数:500名(主業務442名、一部業務58名)
- 回答形式:単一回答および複数回答
本調査結果の引用について
本記事の調査結果を引用する際は、出典として「HQW!(運営:株式会社ベリサーブ)『QAエンジニアの業務・キャリア・生成AI活用に関する調査』」および本記事のURLを明記してください。
この記事は面白かったですか?
今後の改善の参考にさせていただきます!






































































-portrait.webp)






























