QAエンジニア・テストエンジニア（テスター）(Confluence)の求人・転職情報

エムスリー株式会社

●ミッション 日本最大の医療従事者向けポータルサイトでの新サービス開発、既存サービス改善、社内システム開発における品質保証活動をリードし、最先端のIT技術を使って日本の医療現場を変革する。ソフトウェアエンジニアと協力して、高品質なプロダクトを素早く利用者に提供する。 ●担当事業・プロダクト 社内には多くの事業、サービスがあります。以下に一例を挙げます。 ・医療従事者向けメディア m3.com ・製薬企業のプロモーション支援サービス MR君 ・国内シェアNo. 1のクラウド電子カルテ エムスリーデジカル ・医療施設向け予約〜会計までできる総合サービス デジカルスマート診療 ・コンシューマ向けの健康相談サービス Askdoctors ・グローバル向けプロダクト ●担当業務 PCサイト、スマートフォンサイト、iOS/Androidアプリにおける品質保証活動を主導していただきます。 ・仕様、ワイヤーフレームのレビュー ・テストマネジメント(テスト計画、テストの見積もり、進捗管理、欠陥マネジメント) ・テスト設計、テスト実施、品質評価 ・リリース時の最終確認(工程漏れの確認、リリース後の本番動作確認など) ・テストプロセスや開発プロセス改善のリード ・他QAエンジニアの成長への貢献(カンファレンスの内容を共有、勉強会の開催など) ・自動テストの推進 ・その他サービスへの貢献(必要に応じてプロジェクトマネジメントや施策の起案をすることも可能) ●技術スタック ・テストケース管理: TestRail ・チャットツール: Slack ・ソースコード管理: GitLab ・チケット管理: JIRA / Redmine ・CIツール: GitLab CI / Jenkins ・その他: Confluence / Sentry / PostgreSQL / BigQuery / GCP / AWS ・自動テストツール: Selenium Webdriver / Playwright / mabl ●チーム体制 ・QAチームはテスターの方も含め約40名 ・QAメンバー間のつながりを利用し、各サービスの障害情報、プロセス改善事項の共有 ・自動テスト推進チームなど改善活動を推進する個別のタスクフォースの運営 ・各メンバーは担当サービスのメンバーとして各事業開発チームにアサインされます。 ・品質に理解のあるエンジニアが多く、チーム全体で品質改善に取り組んでいるチーム ・小規模な改修を繰返し行い週1回以上リリースする(新規サービス開発など例外あり) ・プロダクトマネージャ以外の職種もプロダクトをより良くするため活発な議論を行う ●働き方 各メンバーは、組織横断のQAチームに所属しつつ、担当サービスの事業開発チームにもアサインされます。担当サービスの性質に合わせ最適なQA活動を主導しています。 上記と並行して、横断チームであるQAチームの横の繋がりを活用し、担当サービスで得た経験の共有を行うなど全体での改善も合わせて行っています。 <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

株式会社SUBARU

アイサイトの画像認識ソフトウェアを対象とした、 ・ソフト品質向上に関する業務全般。 ・ソフト開発に関わる、開発プロセスの構築・運用 ・テストインフラ開発・運用テスト計画策定・運用 <具体的には> ①画像認識ソフトウェアの開発プロセスの構築・運用 ※要件定義～詳細設計までの各設計工程で、ドキュメントに記載する粒度などを定義(ドキュメントを書くのはソフト開発者)し、運用する。 ※ソフト実装～結合テストまでの実装及び各テスト工程で実施するべき内容を検討及び定義し、運用する。 ②画像認識ソフトウェアのテストインフラ開発・運用テスト計画策定・運用 ※静的・動的解析などのソースコード解析環境の構築、バグトラッキングシステムの構築・運用、テスト計画策定と運用など、ソフトウェアのテストに関わるインフラ開発と運用業務。 <使用するツール> 開発言語:Python, C/C++ OS:Linux、Windows Testing Framework:Google Test IDE:Visual Studio, VS Code その他:GitLab , Confluence, Jira, Teams, Jenkins 等 【取り扱っていただくプロダクト/技術】 ・アイサイトのステレオカメラの画像認識ソフトウェア 当社が実現する「予防安全」は国内外の安全性評価において常にトップクラスの評価をいただいていますが、リアルワールドで安心して使える技術を追及して、2030年に死亡交通事故ゼロを実現していきます。 アイサイトは、ステレオカメラを搭載することで、人の目と同じように、あらゆる物体に対する高い認識性能を実現しつつ、高精度な物体の位置・速度を測ることができ、多様な検知情報を組み合わせることで、高度な運転支援機能を実現する事が出来ます。これらの一部を(画像認識)ソフトウェアにて実現しています。 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

JAPAN AI株式会社

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion ●AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin ●作業環境 : Mac (Apple Silicon), デュアルモニタ対応

株式会社本田技術研究所

【具体的には】　 ※ご経験/スキルに合わせ詳細業務を決定します 運転支援・自動運転システムの次世代開発に向けた下記いずれかの業務をお任せいたします。 開発環境構築領域 ・自動運転/自動運転支援開発におけるシステムおよびソフトウェアエンジニアリング領域の要求からのテスト設計 ・ソフトウェア品質を向上させるためのプロセス構築とそれに付随するトレーサビリティ管理の環境構築 ・MILS/HILS/DILS/DSなどツール検証の環境構築、自動化およびその製品品熟に沿ったリグレッションテスト実施 ・自動運転/自動運転支援ソフトのCI/CDパイプラインの構築 尚、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。 海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも発生する場合があります。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】　 ●資格(Want):QC検定 JSQC JSTQB、IVEC　Automotive SPICEアセッサー　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 ●規格:AUTOSAR Adaptive/Classic, POSIX ●OS:Linux,Windows ●言語/モデル:Matlab/Simulink,C/C++,Python,Javascript 等 ●スクリプト:シェルスクリプト ●モデリング言語:SysML UML ●シミュレーション環境:CarMaker, Carla等のシミュレーションツール　 ●その他:JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker等

株式会社本田技術研究所

つながるクルマで、さらなる安心・快適をお届けするため、コネクテッドカー・サービスのソフトウェアエンジニア をお任せします。 大規模ソフトウェア開発(IVI(車載情報)システム)における開発効率向上を実現するために、以下のような業務を担っていただきます。 ●ソフトウェアの開発プロセスの構築・改善 ●ソフトウェア開発のプロジェクト運用支援(進捗管理・プロセスの見える化、不具合管理) ●プロセス改善に必要なツール開発 ・各開発上の課題を積極的に吸い上げて改善活動を行っていただくため、課題の具体化・抽象化が得意な方にマッチしているポジションだと考えております。 ※既存/一般的な考えに囚われずに積極的かつ柔軟な発想での改善を推進できる人を期待します 【担当業務例】 SEPG,SQA,PMO(進捗管理、成果物管理、不具合管理),各種ツール開発 【開発ツール】 ・開発ツールGit、GitLab、Gerrit、CI/CD、Jenkins、CTS, AWS,Jira, Confluence, SVN ・OS:Linux android

株式会社本田技術研究所

【担当業務】 ※ご経験に応じてお任せできる業務から担当いただきます。 ＜募集ポジション(担当領域別)＞ ※ご自身の強みに合わせ、以下のいずれかの領域をお任せします。 1.テストPL(プロジェクトリーダー) Gen4 OTAの品質担保の責任者として、テスト計画の策定から実施管理までを統括。 量産向け環境および開発用環境(DPG/Applied)の両方を見据えたテスト戦略を設計 2.システム設計/仕様作成 車両側のコアECUに搭載されるOTAマネージャー(OTAMG)機能のソフトウェア仕様を定義。 各ECUに対する要求仕様やインターフェース(I/F)作成を行い、車両内部のアップデートロジックを構築します。 3.机上テスト環境設計・構築(ツール・自動化) テスト効率化のためのインフラ構築。 Vector系ツールやHILSを活用した機上テスト環境の設計・調達、および自動化システムの構築を推進。 開発スピードを最大化させるためのメンテナンスも担います。 4.机上・実車テスト/解析 実機を用いた最終防衛ライン。 自動テストスクリプトの作成から、実車での計測環境整備、テスト実行、不具合発生時の一次解析(ログ解析等)まで、現場での技術検証を完遂します。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。

株式会社カオナビ

●品質管理/改善に関する業務 └テストプロセス全般の管理、改善。 その上で効率的かつ効果的なテスト手法を確立 └開発エンジニア、PdM、ビジネス部門とも密接に協力し、製品の品質に関する期待やリスクの把握 └各種製品リリースにおけるリスク評価と品質リスクを最小限に抑える戦略を策定 ●リードに関する業務 └エンジニアやプロダクトマネージャー等周囲と連携してのプロダクト全体の品質基準と品質維持プロセスの設計と推進 └上記プロセスの実現のためのメンバー育成計画の立案と推進 └上記プロセスの実現のための各種の制度設計、改善、運用 └QA同士の横の繋がりの強化(エンゲージメント強化)の推進 └目標設定、評価のフィードバック <変更の範囲> 本社及び全てのオフィス、自宅、その他就業場所(会社の許可した就業に適した場所)、出向先・転籍先会社の全てのオフィス 開発環境 開発言語:PHP, Go, JavaScript, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter 開発/運用環境:Docker, GoLand, PHPStorm, Swagger, Storybook, Figma, GitLab, GitLab CI, TestCafe 構成管理:Ansible, Terraform, CloudFormation ミドルウェア:MySQL, Apache, Nginx, Redis インフラ環境:AWS (EC2, RDS, ElastiCache, S3, CloudFront, Step Functions, Batch, Lambda, ECS, Fargate, ECR, ...) 監視, モニタリング, 運用ツール:Mackerel, Datadog, PagerDuty, Statuspage 社内ツール:Confluence, Redmine, JIRA, Slack, Zoom その他:Yarn, webpack, Atomic Design, Redux, React Hooks, PHPUnit, Redux Toolkit

株式会社 Photosynth (フォトシンス)

Photosynthでは、当社のソフトウェア群全体の品質を支えるQAエンジニアを募集しています。IoTシステムとして、組み込みソフトウェアからWebアプリケーション、モバイルアプリケーションに至るまで、幅広い領域で品質保証をリードしてくださる方を求めています。 担当プロダクトの品質保証に加えて、関連する他のプロダクトやシステム全体への影響を考慮したテスト計画・設計・実行を行います。 このポジションでは、ソフトウェアテストの専門知識を活かし、技術とビジネスの両面からサービスの品質向上に貢献していただきます。 ●具体的には 以下の業務を通じてPhotosynthのプロダクトを支えていただきます。 1.担当プロダクトの品質保証業務全般 担当プロダクトのテスト計画の立案、テスト設計、テスト実行、結果分析、不具合報告など、一連の品質保証プロセスを担当します。 2.システム横断的な品質保証 担当プロダクトだけでなく、関連する他のプロダクトやシステム全体への影響を考慮したテスト計画・設計・実行を行い、システム全体の品質向上に貢献します。 3.上流工程からの品質改善活動 テストフェーズだけでなく、開発の上流工程からレビューや品質に関する啓蒙活動を通して、品質に関する問題解決に取り組みます。開発チームと密接に連携し、品質の作り込みを推進します。 4.品質保証プロセスの改善提案と実行 現在の品質保証プロセスに対して改善提案を行い、より効率的で効果的なテスト手法やツールの導入を推進します。 ●技術スタック 開発言語:C/C++、nodejs、Go、Ruby on Rails、Vue.js、React インフラ:AWS、GCP DB:MySQL(Amazon Aurora) デプロイ/ビルド:AWS Pipeline、CodeBuild、CircleCI、Jenkins IaC:Terraform、AWS CloudFormation ツール:Google Workspace、Slack、JIRA、Confluence、GitHub、Gitlab、Magicpod AIの活用について Photosynthでは、エンジニア一人ひとりの生産性と技術力向上を重視し、日々の仕事においてCaudeを積極的に活用しています。また、全社員が利用できる「Gemini Advanced」も導入しており、部署を越えたAI活用や知識共有が活発です。 エンジニア主導の勉強会や最新技術の情報交換も定期的に行われており、新しい技術に触れながら成長できる環境です。 ●プロダクトについて 以下のプロダクトの品質改善業務に携わっていただきます。 (1)Akerun入退室管理システム 「鍵をクラウドで管理する」という新しいコンセプトで、様々な施設の入退室管理を劇的にスマート化するIoT×SaaSのサービスです。 手厚いサポート体制や受付、勤怠管理など鍵の管理に留まらないオフィス向けソリューションが評価され、累計導入社数は7,000社を突破。解約率の低さは他社と比較した強みであり、オフィスやジム、小売店、大学、工場などさまざまな業種で導入されています。 (2)akerun.Mキーレス賃貸システム 賃貸物件における"鍵"の常識を覆し、内見から入居、退去までの一連のプロセスを圧倒的に効率化する、美和ロックとの協業によるIoT×SaaSの新しいサービスです。 (3)Akerunデジタル身分証 物理的な身分証(社員証、学生証、会員証など)をデジタル化するサービスです。認証端末とクラウドサービスの双方を開発する弊社の強みを活かし、業界に先駆けてAppleウォレットに身分証を発行するサービスの提供を開始しています。

JAPAN AI株式会社

ミッション ソフトウェアエンジニアリングとAIを駆使して、テストの自動化とテストケースのライフサイクル全体の質を高め、プロダクト品質とリリース速度を両立させる現在、QA業務のうち約50〜60%はすでに自動化されており、基盤としては一定の水準に達しています。このポジションで問われるのは自動化率を積み増すことだけでなく、未自動化領域の自動化・既存テストの品質改善・テストケースのライフサイクル管理を仕組み化し、改善が自走するサイクルを作ることです。 期待する役割について テストの自動化・既存テストの品質改善・テストケースのライフサイクル運用の3方向をリードし、AIを活用しながらQAプロセス全体が継続的に良くなる仕組みを構築・運用していただきます。 ・自動化できていない領域を見極め、優先度をつけて自動化する ・既存の自動化されたテストの品質(網羅性・保守性・シグナルの信頼性)を継続的に改善する ・テストケースのライフサイクル(作成・実行・評価・棚卸し・廃止)を設計し、改善が回る仕組みを構築・運用する ・AI/LLMを用いたテストケース生成・改善エージェントを構築する ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CSとの橋渡しを行う ・約400社が本番利用するプロダクトの品質を、自動化・品質改善・仕組み運用の3方向から担保する 業務内容 ●未自動化領域の自動化 ・自動化できていない箇所を洗い出し、優先度をつけて自動化する ・AI/LLMを活用したテストケース生成エージェントの構築 ・CI/CDへの自動テスト組み込み・回帰テストの整備 ●既存テストの品質改善 ・既存テストケースの品質(重複・カバレッジ・保守コスト・シグナルの信頼性)を精査し、改善する ・Flakyテストの検知・修正、形骸化したテストの棚卸し ・テスト設計・品質基準の策定、良いテストケースの記述 ●テストケースのライフサイクル設計・運用 ・テストケースの作成〜実行〜評価〜棚卸し〜廃止までのライフサイクルを設計する ・改善が継続的に回る仕組み(レビュー体制・メトリクス・運用フロー)を構築・運用する ・JAPAN AI STUDIOを活用したQA・テスト業務の仕組み化 ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CS/非エンジニアとの橋渡しを行う チーム体制 約150名が開発組織に在籍しています。 密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX 評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks データ : BigQuery, Spark, Pandas インフラ : GCP (コンテナ / K8s), Docker, Terraform CI/CD : GitHub Actions ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応 従事すべき業務の変更の範囲 会社の定める業務

株式会社カカクコム

QA業務をAIエージェントが自律実行できるハーネスを設計・実装します。 【具体的な業務内容】 ・ハーネスエンジニアリングの実践 └ハーネスエンジニアリングの枠組みの中で、QA業務を担う各工程のAIエージェントを設計、構築します。 ・リスク分析/テスト分析/テスト設計エージェント └仕様書を分析し、その後の実装や自動テストコーディングへの入力を生成するQAの上流工程を担当するAIエージェントを設計、実装します。 ・自動テストコーディング、自動テスト実行エージェント └テスト設計結果を自動テストとして実装し実行するQA業務の中核となるAIエージェントを設計実装します。 ・CQフィードバックパイプラインの設計・実装 ・不具合/障害情報の集積、分析基盤の構築 └エラーログ/AIエージェント実行ログ/不具合レポート/障害レポートなどを集積し、後続の分析や再発防止策の策定を実施するための基盤を整備します。 ・障害分析や再発防止策実施エージェントの設計、実装 └AIや人間のミスの結果である障害情報を分析し、それらをAIエージェントから利用可能なコンテキストやSKILLの形に実装するAIエージェントの設計、実装をします。 ・外部AI動向の追跡と発信 ・Harness Engineering等のAI分野の最新動向を追跡し、業務設計に落とし込む ・社内の実践と学びを技術ブログ・カンファレンス等で外部発信する 【開発環境】 ●AIエージェント:Claude Code(SKILL / Sub-agent / Hooks / Agent Teams)/ Devin / MCP Server ●テスト自動化:Selenium, Appium, Cucumber, Playwright ●CI/CD:CircleCI, Bitrise ●データ基盤:BigQuery, Tableau ●タスク管理・分析:Asana ●コミュニケーション:Slack, Teams, GitHub, Confluence, Miro ●開発技術スタック:Ruby on Rails, React.js, Next.js, Swift/SwiftUI, Kotlin 【所属部門】 食べログカンパニー 開発本部 品質管理部 【ミッション】 品質管理部は「QA業務をAIが一貫して担う」ことを目指す長期ビジョン Continuous Quality by AI(CQ by AI) を推進するチームです。 そのAIが正しく品質を判断できるよう、QAの知識と基準をAIに渡すエキスパートとして参画していただきます。 単にテストを効率化するのではなく、「リリース前のチェックポイント」だったQAを、開発プロセスそのものに埋め込まれた自律的な仕組みへと変える取り組みです。 月間数千万人が使う食べログで、AIエージェントがコードレビュー・リスク分析・E2Eテストを担い、最終承認のみ人間が行う品質保証の実現を目指しています。 すでに自動テストコーディングでコード生成精度97%・テスト実行工数52%削減・自動化率64%の実績を上げており、その先のフェーズを共に作る段階にあります。 このポジションは AIが正しく品質判断できるようにQAドメインのナレッジをハーネスエンジニアリングの枠組みの中でガードレールやチェックリスト、基準などとして整備する役割 です。 従来のQAエンジニアが「自分でテストを設計・実行し、品質を判断する」のに対し、このポジションは「AIが判断するための基準を設計・検証し、AIの判断結果をレビューする」へと役割が変わります。 QAエンジニアとしての専門知識を活かしながら、業界でもまだ先例の少ない「AIに品質を教える仕事」を担っていただきます。