---
title: 生成AIにテストを任せて分かった、人間がやるべき３つのこと
tags:  #digitalvalue #flutter #自動テスト  
author: [株式会社デジタルバリュー](https://image.docswell.com/user/digitalvalue)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/2EV4LD2RJQ.jpg?width=480
description: Tokyo Test Fest 2026の登壇資料になります。 https://tokyotestfest.com/%E5%B0%8F%E9%87%8E%E7%B4%80%E8%BC%9D/  株式会社デジタルバリュー https://www.digitalvalue.co.jp/
published: November 13, 26
canonical: https://image.docswell.com/s/digitalvalue/KJWM8X-2026-11-13-170254
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/2EV4LD2RJQ.jpg)

生成AIにテストを任せて分かった、人間がやるべき3つのこと
Flutter × FigmaMCP × Maestro の実践から
Tokyo Test Fest 2026 / 株式会社デジタルバリュー 小野紀輝
Digital Value

# Page. 2

![Page Image](https://bcdn.docswell.com/page/57G1XYR6EL.jpg)

私たちの現場
対象
one paretto アプリ
北國銀行が提供する toC アプリ
バーチャルカード発行・タッチ決済
Flutter で開発
E2E テスト (Maestro)
39 画面分
実機でアプリを操作。用意しやすさ
のため API は mock
※ほかに Unit テストあり
テスト
チームに QA はいない
E2E のテストケースは開発者が
それぞれ書き、それぞれレビュー
E2E のテストケースは、作成もレビューも開発者が担っている
Digital Value

# Page. 3

![Page Image](https://bcdn.docswell.com/page/4EQD8MV2JP.jpg)

テストケースは人によって違った
でも、仕様は Figma に集約していた
課題：テスト設計が属人化
同じ画面でも、書く人によって
テストケースが違った
テストケースの書き方のルールがあいまい
頼れるのは、書く人の経験か過去のテストケー
スだけ
レビューする側も「まぁ大丈夫そう」で通して
しまった
一方で：Figma に仕様を集約していた
デザインドリブンで開発を進めやすくするた
め、以前からデザインシステムを導入。Widget
をコンポーネント化し、仕様を Figma に集めて
きた
UI の状態・画面遷移・業務ロジック
API 仕様・非機能要件は別の場所で管理
画面の仕様は1か所にそろっていたのに、テストケースの書き方のルールはあいまいだった
Digital Value

# Page. 4

![Page Image](https://bcdn.docswell.com/page/KJ4Z2VMP71.jpg)

この Figma を、テストケース作成に使えないか
Figma を UI 仕様の単一の正と定め、テストケース作成のルールを決めた
Figma
画面の仕様
→
FigmaMCP
AI が Figma を
読むための接続口
→
生成 AI
テストを書く
→
実機で照合
その要素が画面に
本当にあるか
→
Maestro
YAML で書く
モバイルの E2E
Maestro を選んだ理由
実際の画面で確かめるテ
ストは捨てられない。で
も、手で操作するのは楽
にしたい
YAML なので人間も読める
ルールの渡し方：Skill としてチームに配る
AI は頼むたびに、頼む人によってもやり方が変わる。だからテストの進め方を6つ
の工程に分けた
① やらないこと
② 期待値の根拠
③ 到達の設計
④ 書く
⑤ 実行・報告
⑥ 疑う
中身は、これまで人間がやっていたことを言語化しただけ
Digital Value

# Page. 5

![Page Image](https://bcdn.docswell.com/page/LE1RM38XEG.jpg)

結果：作成時間は約7割減、
8割はそのまま採用できた
作成時間
約70% 短縮
手で書いた場合の見積もり
との比較
そのまま採用
8割
生成したテストケースの数
で
外れた2割：× アイコンを位置で押した
# AI の生成: 位置で押す (画面サイズでずれる)
- tapOn: { point: &quot;93%,6%&quot; }
// Flutter: 読み上げ用の Semantics で名前を付ける
Semantics(identifier: &#039;appBarClose&#039;,
child: IconButton(icon: Icon(Icons.close)))
# Maestro: 名前で探して押す
- tapOn: { id: &quot;appBarClose&quot; }
レビューのばらつきも大きく減少：手順書で書き方が揃い、レビューで見る場所が揃った
ただし、採用の基準は「動いて通るか」と「書き方の作法」まで
テストが何を確かめているかは、二の次になっていた
Digital Value

# Page. 6

![Page Image](https://bcdn.docswell.com/page/GEW13PZK72.jpg)

PASS していたテストを疑わせたら、
壊れても落ちないテストが見つかった
工程 ⑥「疑う」：PASS=OK としていたテストを、文脈を共有しない別セッションの AI に「対象が壊
れていたら、このテストは落ちるか」の目で読ませた
17 / 39 画面
壊れても落ちない
画面が切り替わらなくても PASS
確認した文字列が、元の画面にもあった
確認が1つも動かず PASS
「表示されていたら確認」が全部スキップされた (③で詳しく)
目的はデグレの検知なのに、デグレを起こしても落ちない
さらに8割は「書かれたテスト」の数。状態遷移の異常系など、書かれなかった観点は入っていない
ここを詰める中で、人間が手放せない判断が3つ残った
Digital Value

# Page. 7

![Page Image](https://bcdn.docswell.com/page/47ZPVK1NE3.jpg)

| 人間がやること①
テスト観点の網羅性判断
AI が得意なこと
Figma に書かれている画面と操作を、そのま
まテストにする
AI ができなかったこと
どこが壊れると影響が大きいかで、見る観点
に重みをつけること
実例：利用限度額の設定画面 (左が Figma のデザイン)
カードで使える上限を1回・1日・1週間・1か月の4つで設定し、「登録する」で4つの値を
API に送る。テストは、送られた値が入力どおりかを照合する
照合していた値 1回✓ 1か月✓ 1日× 1週間×
1日・1週間が間違って送られても、PASS する
書く AI は抜かし、⑥疑うの AI が見つけた。限度額は、不正利用されたときの被害の上限。1つでも違えば
損失に直結すると判断し、4つ全部を照合させたのは人間
人間がやること = どこが壊れると影響が大きいかで、見る観点を決める
Digital Value

# Page. 8

![Page Image](https://bcdn.docswell.com/page/YJ6M5QL97V.jpg)

| 人間がやること②
期待値（仕様）の妥当性検証
期待値 = テストが「正しい」と判定するときの基準。その基準そのものが怪しいことがあった
基準が無い：
遷移先の画面で何を確認すれば正解か、Figma
に書かれていなかった
基準同士が食い違う：
Figma のエラー文言と、実装のエラー文言が違
っていた
AI
食い違いを見つける
→
AI (⑤⑥の手順書のルール)
直さずに報告して止まる
AI は親切なので、通るように
実装かテストを直してしまう
→
人間
どれが間違いかを決める
人間がやること = 仕様・実装・テストのどれが間違っているかを決める
限界：実装から取った期待値は、間違いごと固定される → 仕様から先に書かせる方式を検討中
Digital Value

# Page. 9

![Page Image](https://bcdn.docswell.com/page/GJ5ZYR1DE4.jpg)

| 人間がやること③
テスト間の依存関係・実行順序の設計
ホーム画面にたどり着くだけで、これだけの前提があった
通知の許可
OS のダイアログ
→
追跡の許可
OS のダイアログ
→
オンボーディング
起動直後の案内3ページ
→
認証とパスコード
ログインと4桁の設定
→
初回チュートリアル
ホームに着いてから3ページ
→
やっと検証
テスト本体
毎回は重いので省きたくなり、前のテストの残りに頼り始める。それがテスト同士の依存
AI が見ているもの
いま書いている1本のテストと、その画面のデ
ザイン
教えないと AI に見えないもの
誰が前提を作り、誰が消すか。走らせる順番で
結果が変わること
人間がやること = 何を共有し、何を毎回つくるかの線引き
Digital Value

# Page. 10

![Page Image](https://bcdn.docswell.com/page/9E2RGD9MJR.jpg)

| 人間がやること③の実装
依存を「設計」に変えた
結論：順番で守るのではなく、順番に依存しないようにした
再利用：前提を1つの部品にまとめる
起動からメニュー画面までを1つの部品にし、各
テストの冒頭で呼ぶ。ほとんどのテストが使う
独立性：共有する前提と毎回つくる前提を分ける
端末の初期設定は1回作って共有。画面ごとのデ
ータは API の mock で毎回作り直す
検証：同じテストを続けて2回、両方通って合格
たまたまを除き、2回目だけ落ちるなら1回目の
残りが邪魔=前提を自分で作れていない
実行順の入れ替えまでは、まだ
自動化の範囲：届かない所は分ける
ワンタイムパスワードが要る画面などは設計だけ
して手動へ
4つとも手順書に書き、振り分けまで AI に任せた。
人間が決めたのは、共有と毎回の線引き、順番に依存させない方針
Digital Value

# Page. 11

![Page Image](https://bcdn.docswell.com/page/D7YDV24P7M.jpg)

| 人間がやること③の失敗談
前提をあいまいしたら、確認がスキップされた
例：メニュー画面の「リアルカードの解約」ボタン リアルカードを持つ人にだけ、画面の下の方に出る。テスト用
アカウントがカードを持っているかは、その時の状態次第だった
やっていたこと
どちらでも通るように「ボタンが表示されてい
たら押して確認、無ければスキップ」と分岐し
た
① Maestro の「表示されていたら」は、スクロール
前に見えている範囲だけで判定する
② ボタンは画面の下の方 → 常に「無い」と判定
③ カードを持っていても毎回スキップ → 何も確かめ
ずに PASS
変えたこと
前提はテスト側で決めて作る(カードあり/な
しを mock で固定)。そのうえで一本道で書く
分岐を残すなら、直後に条件なしの確認を置
く。前提が違うなら、そこで落ちてくれる方が
いい
Flutter でも同じ：「要素があれば expect」と書くと、要素が
無いとき何も確認せず PASS する
前提を決めずに条件分岐で吸収すると、テストは壊れても落ちない
Digital Value

# Page. 12

![Page Image](https://bcdn.docswell.com/page/VEN6M8YME8.jpg)

まとめ：AI に任せても、人間に残った3つの判断
① 網羅性
何をテストするか
AI：書かれた画面と操作をテストに
する
人間：どこが壊れると影響が
大きいかで観点を決める
② 期待値
何が正しいか
AI：食い違いを見つけて、報告で止
まる
人間：どれが間違っているかを
決める
③ 依存・順序
どう独立に走らせるか
AI：前提の部品化と、自動・手動の
振り分け
人間：共有する前提と毎回つく
る前提の線引き
どれも、テスト1本の中には書かれていない
テストの「外」の判断は、人間が持つ
AI に渡そうとして初めて、その境目が見えた
Digital Value

# Page. 13

![Page Image](https://bcdn.docswell.com/page/Y79LNKPWJ3.jpg)

ありがとうございました
小野紀輝 おの としき
株式会社デジタルバリュー / シニアデベロッパー
北國銀行が提供する one paretto を Flutter で開発
赤い猫のアイコンが目印です
これからアプリを育てていきたい方
Join お待ちしています
テストを書くのは AI に任せた。でも「何を・何が正しいか・どう走らせるか」は、人間が決めている
Digital Value

