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

医療機関・患者双方に支持されるプロダクトの品質保証を担い、開発チームと伴走しながら以下業務を推進していただきます。 - 仕様レビュー・設計段階からの品質観点の提案・改善 - 新機能開発・改修におけるテスト計画、設計、実施、バグ管理 - API / UI / E2E テストの自動化設計・実装・運用 - CI/CD 環境への QA プロセス組み込み、KPI 設計・モニタリング - 品質改善やチームの生産性向上に向けたプロセス最適化 - 各プロダクト QA メンバーとの連携、ナレッジ共有 - 横断的な品質戦略の推進 ●主な技術スタック - 自動テストツール: MagicPod / Playwright - 生成 AI 関連: GitHub Copilot / Cursor / Claude Code / Devin - ソースコード管理: GitHub - 開発言語: Kotlin / Swift / TypeScript / Go ●周辺ツール - 情報共有: Confluence - タスク管理: Jira / GitHub - コミュニケーション: Slack - UI設計: Figma - データ基盤: BigQuery / Looker Studio ※業務の変更の範囲:会社の定める業務

●任せる業務の概要 Hondaのコネクテッドサービスおよびデジタルサービスにおける品質保証領域の中核として、部門全体の品質戦略・プロセス・基準の策定および推進を担っていただきます。 ※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。 ●具体的な想定業務 ・部門全体における品質戦略・品質基準の策定および展開 ・開発プロセスにおける品質保証プロセスの設計・標準化 ・テスト戦略および品質メトリクス(KPI/KGI)の設計・運用 ・品質向上に向けた仕組み化(テスト自動化・ツール導入・再利用化)の推進 ・各プロダクトに対する品質レビューおよび課題抽出・改善提案 ●使用ツール/開発言語など 量産環境:AWS、Google Cloud 使用ツール:Jira/Confluence、Teams、Slack、各種AI、CICD、VSCode ※業務上の事情により国内外の事業所(子会社及び関連会社を含む)への異動、または出向・派遣を命じる場合があります。

【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

管理職として、以下の業務領域における決裁・組織マネジメント・技術戦略構築などをお任せする予定です。 ① ビークルOS(車載OS)の開発 次世代のAD/ADASシステムを安全かつ安定的に動作させるためのビークルOSの開発を行います。 サプライヤーと連携した開発と、完全内製化の開発の2種類があるため、組込み開発において何らかのご経験があれば、ご活躍の可能性がございます。 (実装やテスト経験者も対象) ≪業務委細≫ ・AUTOSAR Adaptive / Classicに基づいたOS・ミドルウェア層の要求仕様策定、設計、実装 ・OSとアプリケーション間のインターフェース仕様策定および調整 ※OSやミドルウェア開発経験、リアルタイムOS、仮想化技術、セキュアブートやプロセス間通信(IPC)などの知識が活かせます。 ② 車載アプリケーション/サービスのインテグレーション(統合・検証) 開発したビークルOS上で動作する各種AD/ADAS向けアプリケーションやサービスを統合し、最適に動作させるための設計・検証を行います。 インテグレーションを完遂するには、OSのカーネル、通信ミドルウェア、ハードウェア、そして上位のアプリ層まで、すべてのレイヤーに精通する必要があります。 そのため、特定の技術に閉じこもらず、フルスタックな知識が自然と身につきます。 ≪業務委細≫ 他チーム・他社が開発したアプリをビークルOSに適切に組み込み・配置 ソフトウェア間の通信や依存関係を調整・チューニング システム全体での機能検証・統合テスト・不具合解析/対策 ③ 次世代通信ミドルウェアの開発・実装 AD/ADAS向けの通信ミドルウェア(DDS、SOME/IP、MQTT等)」の開発は、車の安全性向上に直結する領域です。 システムのふるまいについて低遅延・正常作動を実現させる仕事です。 ≪業務委細≫ SOME/IP、DDS、MQTTなど、車内・車外通信プロトコルのAD/ADAS向けの最適化と実装 異なるドメイン間でのデータ交換を安全かつ低遅延で行うためのルーティング制御やメッセージブローカーの開発 ④ 生成AIを活用した開発プロセスの改善及び内製化促進 プラットフォームの開発実務を担っていただきながら、当該領域における開発効率を上げるためにAI活用の推進を担っていただきたいです。 既存の開発手法に囚われずに、開発プロセスの課題を特定し、最新のAI技術を駆使しながら改善につなげていただくことがミッションです。 ≪業務委細≫ 過去資産のデータ化 過去の膨大な開発・設計資料をデータ資産化し、ナレッジ検索・再利用性を向上させる基盤構築。 テスト自動化 生成AIを活用したテストコードの自動生成、検証工程の自動化による工数削減 開発の内製化推進 AIコードアシスタント等を活用し、従来外注していた実装業務を社内でスピーディーに行う「内製開発」へのシフト推進 ※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

① ビークルOS(車載OS)の開発 次世代のAD/ADASシステムを安全かつ安定的に動作させるためのビークルOSの開発を行います。 サプライヤーと連携した開発と、完全内製化の開発の2種類があるため、組込み開発において何らかのご経験があれば、ご活躍の可能性がございます。 (実装やテスト経験者も対象) ※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。 ≪業務委細≫ ・AUTOSAR Adaptive / Classicに基づいたOS・ミドルウェア層の要求仕様策定、設計、実装 ・OSとアプリケーション間のインターフェース仕様策定および調整 ※OSやミドルウェア開発経験、リアルタイムOS、仮想化技術、セキュアブートやプロセス間通信(IPC)などの知識が活かせます。 ②車載アプリケーション/サービスのインテグレーション(統合・検証) 開発したビークルOS上で動作する各種AD/ADAS向けアプリケーションやサービスを統合し、最適に動作させるための設計・検証を行います。 インテグレーションを完遂するには、OSのカーネル、通信ミドルウェア、ハードウェア、そして上位のアプリ層まで、すべてのレイヤーに精通する必要があります。 そのため、特定の技術に閉じこもらず、フルスタックな知識が自然と身につきます。 ≪業務委細≫ 他チーム・他社が開発したアプリをビークルOSに適切に組み込み・配置 ソフトウェア間の通信や依存関係を調整・チューニング システム全体での機能検証・統合テスト・不具合解析/対策 ③ 次世代通信ミドルウェアの開発・実装 AD/ADAS向けの通信ミドルウェア(DDS、SOME/IP、MQTT等)」の開発は、車の安全性向上に直結する領域です。 システムのふるまいについて低遅延・正常作動を実現させる仕事です。 ≪業務委細≫ SOME/IP、DDS、MQTTなど、車内・車外通信プロトコルのAD/ADAS向けの最適化と実装 異なるドメイン間でのデータ交換を安全かつ低遅延で行うためのルーティング制御やメッセージブローカーの開発 ●生成AIを活用した開発プロセスの改善及び内製化促進 プラットフォームの開発実務を担っていただきながら、当該領域における開発効率を上げるためにAI活用の推進を担っていただきたいです。 既存の開発手法に囚われずに、開発プロセスの課題を特定し、最新のAI技術を駆使しながら改善につなげていただくことがミッションです。 ≪業務委細≫ ●過去資産のデータ化 過去の膨大な開発・設計資料をデータ資産化し、ナレッジ検索・再利用性を向上させる基盤構築。 ●テスト自動化 生成AIを活用したテストコードの自動生成、検証工程の自動化による工数削減 ●開発の内製化推進 AIコードアシスタント等を活用し、従来外注していた実装業務を社内でスピーディーに行う「内製開発」へのシフト推進 【開発ツール】 AUTOSAR Adaptive/Classic, POSIX, Linux, HyperVisor, C/C++, Python, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, Wireshark等

【領域ビジョン】 SDV(Software Defined Vehicle)は、ソフトウェアの継続的なアップデートを通じて、販売後も車両の機能・価値を進化させ続ける新しいクルマのかたちです。 クルマを単なる「移動手段」から「新たな体験を提供するプラットフォーム」へと変革していきます。 私たちは、その中核となるソフトウェアアップデート基盤の構築と進化を担い、変化し続けるニーズに応えるだけでなく、先取りしながら、最新のソフトウェアを迅速かつ確実に世界中へ届けています。 Hondaの商品・サービスを通じて世界中のお客様に新しい喜びを届ける―― そんな価値創造を、自らの意思で推進していく仲間を募集しています。 【具体的には】 以下の業務において、単なる作業ではなく、課題設定から改善・実行までを主体的に推進いただきます。 ・販売店向けECUソフトウェアアップデートツールの要件定義・開発 ・車両およびサーバーと通信しECUを更新するWindowsアプリの設計・開発 ・ECUシミュレーターの開発および機能検証 ・車両ECUの進化に応じたシミュレーターのチューニング ・テスト環境の構築およびテスト実行 ・市場データを活用したアプリケーション改善 ・グローバル市場から収集されるログや不具合情報を基にした分析・改修 【使用ツール】 ・チケット管理ツール(JIRA) ・文書管理ツール(Confluence, Sharepoint等) ・コミュニケーションツール(Teams, Slack等) ・構成管理ツール(Git、 Bitbucket、Subversion 等) ・デバッガ、シミュレータ(CANoe 等)

●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 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。 ●働き方 エンジニアはリモート中心の業務です。月2回の出社タイミングにて、チーム内で負債解消デーやGameDay、勉強会、開発定例を組むなどしてハイブリッドな働き方を実現しています。 <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

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

●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

・開発チームの一員として、プロダクトの品質保証に関わる業務全般を担当 ・テスト計画・設計・実施・報告など一連のテストプロセス業務 ・チームと協働しながら、品質リスクを把握し、対策を立案・実行 ・ふりかえりやプロセス改善提案など、チーム全体の品質向上活動への参画 【事業概要】 持続的な企業成長には生産性向上が不可欠であり、「人的資本経営」の重要性がかつてないほど高まっています。その中核を担うのが「タレントマネジメント」です。本音の人材情報を活用し、個人と組織の潜在能力を最大限に引き出すことで、企業はさらなる高みを目指せます。 カオナビは、個の力を最大化し、組織をより強くするためのタレントマネジメントシステムです。人事業務の効率化から戦略人事の実現まで、幅広い目的に対応。人材データプラットフォームに蓄積された個のデータをAIと掛け合わせることで、「個の力の最大化」による盤石な組織を築き、企業の成長を力強く後押しします。 会社概要 “はたらく”にテクノロジーを実装し個の力から社会の仕様を変える これまでのカオナビ: 人材データを人事担当者だけのものにせず、経営層、マネージャー、そして現場へと「開く」ことが、カオナビの原点です。この揺るぎない信念のもと、創業以来、多角的な人材データを一元化するプラットフォームを構築し、多くの企業様の潜在能力を最大限に引き出してきました。 ●これからのカオナビ: タレントマネジメントを次のステージへ導くべく、私たちは「タレントインテリジェンス」という新たなビジョンを掲げました。プラットフォームに集約された多角的な人材データをAIが最大限に活用。HRSaaS事業とHRソリューション事業の強力な両輪が駆動し、データが蓄積されるほど進化する、まさに生命体のような循環型モデルを推進していきます。これにより、「個」の力を最大限に引き出すプラットフォーマーとして、社会に革新をもたらし続けます。 私たちは今、5年後の再上場を目指し、非連続的成長を遂げる最もエキサイティングな変革期(第二創業期)にいます。この挑戦は変化、激動、カオスを伴います。しかし、これを困難な逆境と捉えるのか、あるいは未来を切り拓く最高の舞台と捉えるのか。私たちは迷わず後者を選びます。だからこそ、この挑戦を一緒に楽しみに変えられる仲間、「ゲームチェンジャー」を求めています。ゲームチェンジャーの役割を果たすうえで当社が重要視するのは、自己の能力を磨き続け、自律的に働き方を選択することで、他にはない成果を発揮する人材、「ユニーク・パフォーマー」です。その活躍を支える環境として、自律的なキャリア形成をサポートする制度はもちろん、成果を最大化できるよう、働く場所と時間を選択できる制度も導入しています。 さあ、この最高の舞台で、あなたの「個性」を飛躍させませんか。 【参考記事】 「個」の力を最大限に引き出すプラットフォーマーを変わらず目指す。カオナビの新ビジョン「タレントインテリジェンス」に込めた想い https://note.com/kaonavi/n/n360f21f6f563 My Work Style制度 ※詳細は就業規則による ●ハイブリット勤務 　リモートワーク可能な場所は原則日本国内の自宅のみ ●スーパーフレックス(コアタイム無し) 　1日あたり最低労働時間4H-、月間所定労働時間あり ●スイッチワーク(中抜け可能) 　役所や病院、お子様の送り迎えなど、都合に合わせて調整可能 ●±20時間 　月所定労働時間に±20時間の幅を設け、各自で労働時間を調整することが可能。 【直近過去事例】 社内の”声”を見える化する新機能「インサイトファインダー」を提供開始 https://corp.kaonavi.jp/news/pr_20240926/ スキル管理に特化 新機能「アビリティマネージャー」を提供開始 https://corp.kaonavi.jp/news/pr_20240307/ 開発環境 ・開発言語:PHP, Go, TypeScript, Dart ・フレームワーク:Laravel, Gin, React, Flutter ・コード管理:GitLab ・DB:MySQL ・インフラ:AWS, Terraform, Docker ・監視ツール:Mackerel, Datadog ・社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma ・開発環境: JetBrains IDE, Visual Studio Code ・AI開発環境:Github Copilot, Claude Code 【カオナビ関連ページ】 ・カオナビの「人」と「組織」が見えるメディア　kaonavi vivivi(https://vivivi.kaonavi.jp/) ・カオナビの未来図　Future Deck(https://speakerdeck.com/kaonavi/kaonavi-future-deck) ・採用ホームページ(https://recruit.kaonavi.jp/) ・Wantedly(https://www.wantedly.com/companies/kaonavi) ・会社紹介資料 for engineer(https://recruit.kaonavi.jp/)

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

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。