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

QAエンジニアとして、以下のような業務に幅広く携わっていただきます。 ●短期的に任せたい業務(立ち上げフェーズ) ・現状の開発・リリースフローの把握とテストプロセスの設計 ・手動テストによる既存プロダクトの品質検証 ・Playwright等を用いたE2Eテスト自動化の設計・実装 ・AIを活用したテスト効率化の推進 ●中長期的に任せたい業務(成長・改善フェーズ) ・CI/CDパイプラインへのテスト自動化の組み込み ・AIプロダクト特有の品質評価の仕組み化 ・全プロダクト横断での品質指標の設計と改善サイクルの推進 ※業務の変更の範囲 会社の定める業務 本人の希望を聞かずに転勤させることはありません。

当ポジションのミッションは、客観的視点とクライアント/顧客の視点、その両方に立って、品質を測定し、担保することです。 計画〜実施までの一連のテスト業務や、製品の要件定義からの品質管理業務など、プロジェクトの上流から下流までの品質管理を担っていただきます。 <配属先部門紹介> 現在クオリティマネジメントオフィスには、20名弱が在籍しており(業務委託含む)、以下のMission・Vision・Valuesを指針に、日々業務を行っています。 ●Mission 高品質・適正価格の「映像ソリューション」を提供し、あらゆる産業の現場DXを実現する ●Vision 創る組織である「開発本部」において、全開発における品質課題に目を向け、品質文化に根ざした改善活動を行えるようにする ●Values より良い品質にしていくために「品質とは何か」を定義し、開発本部全体に広げる その拡大のためにも日々開発プロセスの改善を行う 品質改善をし続けるために新しい技術やプロセスを取り入れ、1人1人が成長する <詳細の業務内容> プロダクトごとに若干の差異はありますが、開発序盤からプロジェクトに参画し、テスト業務に留まらず、プロダクトの品質ならびにその価値を向上させ、保証できるような活動全般に取り組んでいます。 Webアプリケーションおよびネイティブアプリのテスト計画、設計、実行 上記に対する自動テストの実装 要件定義～リリースまでを含む製品の品質向上施策の策定、シフトレフトの推進 継続的な品質改善を行うための欠陥データ収集、測定、分析、プロダクトへのフィードバック　 開発プロセス全体に関する改善および品質向上施策の推進 ●使っている技術・ツール テスト管理:TestRail、Backlog テスト自動化:MagicPod、Playwright 開発言語:Python、 Java、Go、C++ インフラ:AWS、Kubernetes データベース:MySQL、 Redis、PostgreSQL、DynamoDB 構成管理ツール:Terraform、Ansible 監視:Prometheus、 Grafana、PagerDuty、StatusCake、Sentry、Datadog CI/CD:GitHub Actions その他:GitHub、 Docker、Fluentd、Fluent Bit、Redash、Postman ●開発組織の目標 ・クラウド録画サービスの品質向上 カメラ出荷数30万台を突破し、更なる利用者数の急増に伴い、より高品質・ハイパフォーマンスなサービス基盤の開発・運用を行います。カメラを通してクラウド上に収集した"映像データ"を、必要に応じ配信や解析し、付加価値のある情報を抽出する事によりお客様の課題解決を実現しています。 ・上記クラウド基盤上でのアプリケーション開発 動画の収集/配信システムだけでなく、"映像から未来をつくる"というビジョンを達成すべく、それらの動画を利用した顧客課題の解決に繋がるようなアプリケーションの開発を行っております。様々なアプリケーションを提供していくことでより多くの課題解決を実現して参ります。 ・オープンAPI等による他社参画のためのプラットフォーム開発 上記は自社で行っているアプリケーション開発ですが、映像から解決できる問題は多数あり、且つ、業界業種によっても異なります。この全ての課題を解決するためには弊社一社のみで行うのではなく、オープンなプラットフォームを構築し他の技術を持った企業様が参画することで、顧客解決に繋がるサービスをより多く世に出していき、"映像から未来をつくる"を実現していきます。このように、「我々の基盤上で構築〜展開できるようなプラットフォーム開発」を進めております 従事すべき業務の変更の範囲 <雇入れ直後>サービス運営・営業・サポート、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

【このポジションの役割】 本ポジションでは、AI を活用した品質保証プロセスの設計と改善を担います。 単にテストを実行するのではなく、 ・品質リスクの分析 ・テスト戦略の設計 ・テスト自動化 ・AI を活用した品質改善 などを通して、プロダクトの品質を継続的に向上させます。 QA は開発プロセスの最後の工程ではなく、品質を作るエンジニアリング領域であると考えています。 【主な業務】 ・AI を活用したテスト設計・テスト生成 ・E2E / Integration / Unit テストの自動化 ・CI/CD パイプラインへのテスト統合 ・品質メトリクスの設計・分析 ・品質リスク分析とテスト戦略設計 ・バグトラッキングと品質改善プロセスの設計 ・QA プロセスの継続的改善 ・開発チームとの品質文化の構築 【使用技術・ツール】 ・Playwright(E2E テスト) ・GitHub / GitHub Actions(CI/CD) ・Datadog(監視・エラー分析) ・Claude / Claude Code / Cursor ※今後変更になる可能性がございます ・MCP ツール ・AWS / GCP

●配属部署 デジタルイノベーションオフィス プログラムマネジメントオフィス 「デジタルイノベーションオフィス(DIO)」全体の組織活動・効率性・継続的改善を牽引し、プロセスの整備・品質管理等を通じてDIOが価値を創出しつづけられる基盤づくりを担っています。 ●仕事内容 開発手の内化組織「デジタルイノベーションオフィス(DIO)」の拡大に伴い、アジャイル開発の圧倒的なスピードと安全性・ガバナンスを両立させる、モダンな品質マネジメント体制の構築を進めています。今後の組織スケールやプロダクト数の増加を見据え、品質管理(QC)の仕組みを洗練させ、全社への標準化・型化のリードを担っていただきます。 【職務詳細】 ・プロダクト開発におけるQCプロセスの全体設計・運用および継続的な高度化のリード ・各開発工程におけるゲート判定フローの運営、および各プロダクトチームが提出するファクト(証跡)の厳格な監査 ・品質保証(QA)チームが策定する開発標準規定と連携した、機能するガードレールの構築・運用 ・NotionデータベースやSlackワークフロー等を活用した確認作業の自動化・効率化の推進

車載システムの開発において、開発初期段階からの品質設計およびハードウェア・ソフトウェアが高度に連携するテストエンジニアリング・自動化基盤の構築をリードしていただきます。 ハードウェア、ソフトウェア、QA、PdMなど多岐にわたる専門領域の知見を統合しながら、最適な開発プロセスとテスト戦略を構築します。 単なるテスト自動化にとどまらず、CI/CD環境の最適化や現場での検証アプローチを通じて、開発初期から「品質を作り込む」ための計画づくりと実行がミッションです。 参考記事 [「日本の"移動"を止めない」──GO IoT本部が挑む、車載システムの統合と品質の裏側](https://go-on.goinc.jp/n/n03b4732753f9) 業務内容 ● 全体品質プロセスの構築・テスト戦略立案 ・ハードウェアエンジニア、ソフトウェアエンジニア、QA、PdMと連携し、開発初期からの品質設計・検証計画の構築 ・Android OS/アプリ、車載機器(決済端末・メーター等)、ネットワーク、位置情報を包括するフルスタックなテスト戦略策定 ● CI/CD基盤構築・テスト自動化による開発スピード向上 ・CI基盤の構築・運用フローの改善による、リリースサイクルの低下防止と高速化 ・E2Eテスト自動化および実機に依存しないシミュレーター/モック環境の企画・実装 ● 多角的アプローチによる品質検証の実践 ・既存の枠組みに捉われない柔軟な検証アプローチの提案・実行(実際のタクシー車両に乗車して行う「フィールドテスト」の実践など) ・テスト結果や品質指標(カバレッジ、障害傾向)の可視化と、プロダクト/開発プロセスへのフィードバック ● 開発環境 プログラミング言語 : Kotlin, TypeScript, SQL ライブラリ類等 : Android Jetpack, Kotlin coroutines, Appium, Firebase, GCP, BigQuery, etc. CI/CD : Github Actions、Bitrise ● 所属組織 IoT本部 IoT開発部 ● 業務内容の変更範囲 会社が指定する業務全般

・上流工程から品質面で開発チームを牽引 ・品質戦略の策定 ・複数のプロダクト開発の一員として、初期段階である要件定義から積極的に関与し、プロジェクト全体の品質目標の策定や品質基準の定義、テスト計画・設計から実行までを担当 ・リスクベースドテスト、アジャイルテストといった効率的・効果的なテスト技術の導入・推進をリード ・継続的な品質改善のための欠陥データ収集・測定・分析およびソリューションの検討 ・新機能の要件定義・設計段階から参画し、品質リスクを早期に特定・解決 ・自身の知見を積極的にチームに還元し、QA組織全体の底上げに貢献 ・AIによる開発加速に伴う品質のボトルネックの解消と、再現性の高い「品質基盤」の構築・推進 ●主な担当プロダクト freee会計 freee申告 freee販売 他 ●開発環境 テスト管理:Zephyr Scale 自動テスト:Postman / Playwright / GitHub Actions / runn 生成AI:Claude Code / Devin / Gemini / NotebookLM その他:JIRA / GitHub / Slack 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

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

●配属予定チーム・体制 ・入社後はまず客先常駐からのスタートを想定 入社当初の配属先はお客様先のプロジェクトです。 そのため、CI/CD基盤や技術スタックの選定、開発プロセスの改廃について、最終的な決裁権がお客様側にある場合があります。 並行して自社内での受託・ラボ型案件の新規開拓を進めており、体制が整い次第そちらへの展開も想定していますが、着任時点で配属をお約束できるものではありません。 ・自動化の社内標準を整備 共通ライブラリ、テスト設計ガイドライン、フレームワーク選定基準といった組織としての資産を整備します。 参照できる前例が少ない中で、自ら判断して形にしていく必要があります。 ・生成AI活用の社内標準化を推進 生成AIのテスト業務への活用は、配属プロジェクト単位では実績があり、お客様からのご相談も増えています。 一方で社内標準としての整備はこれからです。 適用範囲の見極め、実用性の評価、適用基準の策定までを担っていただきます。 ・制約のある環境での実現力を重視 常駐先ごとに使用技術も開発プロセスも異なります。 理想形をそのまま持ち込むのではなく、その現場で実行可能な打ち手に翻訳できることを、本ポジションの中核的な能力と位置づけています。 ●業務内容 ●配属プロジェクトでのテスト自動化の実装・改善 ・仕様・要件からのテストケース導出と、コードベースでのテスト実装 ・CI/CDパイプライン(GitHub Actions等)と連携した自動テストの組み込み・運用改善 ・Flaky Testの原因分析と、待機処理・テスト設計の見直しによる安定化 ・既存のテスト運用プロセスに対する課題抽出と改善提案 ●自動化ノウハウの標準化・組織資産化 ・プロジェクトを跨いで再利用できる共通ライブラリ・テンプレートの設計と整備 ・フレームワーク選定基準、テスト設計ガイドラインの策定 ・個人に蓄積されている実装ノウハウの言語化・ドキュメント化 ・SQA部門メンバーへの技術共有・コードレビュー ●生成AIを活用した自動化の推進・標準化 ・生成AIによるテストケース生成・テストコード生成の実装と、実用性の評価 ・既存のテスト仕様書・手順書から自動化対象を抽出し、テストコードへ変換する仕組みづくり ・画面変更への追従やFlaky Test対応など、テストコード保守工程へのAI活用 ・AIエージェントによるテスト実行(Agentic Testing)関連ツールの調査・適用可否の判断 ・活用ノウハウの適用基準への落とし込みと、2の社内標準への組み込み ※配属プロジェクトでの活用実績はありますが、社内標準としての整備はこれから着手する段階です。 ●技術環境 ※すべての経験は必要ありません。 プロジェクトにより使用技術・活用範囲は異なります。 テストフレームワーク :Playwright, Selenium, Appium 等(プロジェクトにより採用状況は異なり、全社標準は未確定です) 開発言語 :Python, Java, JavaScript, TypeScript 等 インフラ・CI/CD :GitHub Actions, Docker, Kubernetes 等 生成AI・LLM活用 :LLM API、生成AIコーディング支援ツール、RAG、Agentic Testing関連ツール 等 (テストケース生成、テストコード生成・保守、ログ解析等に活用。 プロジェクトにより適用範囲は異なります) ●従事すべき業務の変更の範囲 →変更の範囲　会社の定める業務

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

※ご経験と志向性に応じて、以下の役割の中から適切な領域をお任せします。 ・品質戦略・QA計画の策定と推進 複数プロダクト(データ基盤PJ、原価管理システムPJ、生産管理システムPJ等)を横断的に見渡し、品質目標の設定からQA計画の策定までをリードします。プロジェクトの特性やリスクに応じて優先順位付けを行い、限られたリソースで最大の品質効果を生み出す戦略を立案・推進します。 ・品質プロセスの設計とレビュー体制の構築 開発の上流工程から品質観点でレビューに参加し、要件/基本設計/詳細設計の各フェーズでテスト観点を定義します。PdM/POや開発エンジニアと連携し、不具合の早期発見・早期解決ができる品質プロセスを構築します。 ・非機能品質(性能・信頼性・運用性)の保証 複数システム間のデータ連携部分において、障害発生時の復旧検証やデータ整合性の確認など、複雑なシナリオの設計・実行をリードします。特に、特定システムの障害時に他システムへの影響を最小化できるかどうかの検証が重要なミッションとなります。 ・テスト自動化による品質の安定化 自動化テストツール等を活用し、回帰テストの効率化と品質の安定化を推進します。CI/CD上での自動テスト実行環境を整備し、リリースサイクルの短縮と品質担保の両立を実現します。 ・外部パートナーとの連携によるQA体制の拡充 外部委託先との連携窓口として、テスト計画の立案、進行管理、成果物レビューを担当します。社内開発チームと外部パートナーの橋渡し役として、品質基準の統一と効率的なQA運用を実現します。 ・品質メトリクスの設計・可視化と改善サイクル運用 カバレッジ、欠陥密度、Lead?Time等の品質指標を設計し、ダッシュボードによる可視化を行います。データに基づいた改善提案を行い、継続的な品質向上サイクルを確立します。 【組織体制】 システム開発部には約20名が在籍しており、複数のプロダクトチームに分かれて開発を進めています。QAリードは各チームを横断的に支援しながら、PdM/POやエンジニアと密に連携いただきながら品質向上をお任せします。外部パートナーも活用しつつ、社内外のリソースを組み合わせたQA体制を構築していただきたいと考えています。 【組織体制】 ・E2E:Playwright/Cypress ・負荷テスト:k6 ・CI/CD:GitHub Actions ・コラボレーション:Notion、Issueトラッカー、各種ドキュメント基盤 ・AIエージェント:Claude Code、AWS DevOps Agent、その他オープンソースで提供されているQAエンジニア向けSub Agent 【ワークスタイル】 ・自ら動き、相手に働きかける、重要な活動を人任せにしない。(ハンズオンを最も大事にしています) ・社員のやりがいを尊重し、仲間と高め合う。(社員の仕事のやりがいを大事にしています) ・自分はフェアであろうとしているか?自分や他者を豊かにしているか?と問う(正しく生きる、豊かに生きる) 【業務内容の変更範囲】当社業務全般

●Summary Software Engineering in Quality(SEQ)は、freeeの掲げるミッションの実現のため、freeeのサービスを開発していくために必要となる品質に対するカルチャーを育てていくことをミッションとし、プロダクトの継続的な品質改善を支援しています。 そのために、「テストは手動から自動ベースの世界に」を目指し、今は手動が前提でテストを実施していますが、自動が前提の環境に変えていきたいと考えております。 QAチームを支える重要なポジションとしてQAとエンジニアリングの懸け橋となり、サービスを提供し続けるために最適なことを自律的に考えチームで実践していく仲間を募集します。 ●現状の課題 リグレッションテストの自動化 手動でテストしている内容も多く対応に多くの工数がかかっているため自動化が求められています 検証環境の最適化 500名超規模の開発体制やAIでのコーディングスピードの上昇によって、結果的に検証環境がボトルネックになっていきます。 この課題を解決するため、プロダクトのPR単位で専用の検証環境を作成するpreview環境の作成と構築をやっています ブラウザ(E2E)テスト以外の自動テスト手法のアプローチ SEQチームが開発したブラウザテストの実行基盤は、現在freee内で幅広く利用されています。 しかしながら、ブラウザテストより低レイヤーにあたるインテグレーションテストへのアプローチが不十分であり、テストピラミッドを意識した自動テストの最適化ができていないのが現状です。 今後は、ブラウザテスト以外のテスト手法も社内標準として確立し、展開していくことが課題となります。 ●今後取り組みたいこと E2Eテスト以外の手法へのアプローチ インテグレーションテスト(APIテスト・PageUIテスト・契約テスト)の自動化 QA業務におけるAI活用 開発経験の少ないQAエンジニアの方でもclaude codeなどのAIコーディングエージェントを利用して自力でブラウザテスト等の自動テストの実装までできるようなガードレールの整備と展開 ●業務内容詳細(実際にやって頂く業務の細かい具体例) 自動テストの実行の保守運用 テスト環境に関するボトルネックの解消 新しい検証環境の構築と展開 ●開発に使っている主なツール 言語:Ruby, TypeScript 自動テスト:Playwright, runn CI/CD: GitHub Actions インフラ:AWS, EKS, Aurora, Opensearch, AmazonMQ IaC: Terraform その他:GitHub,JIRA,Slack, Report Portal テスト管理:Zephyr Scale