READ REPORT

GAQとは。QAの工程を12個のSkillにしてAIに任せ、定着させた話を整理

2026年11月18日

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん(@passion_tanaka)です。今回は、私がブックマークしたZennの記事を紹介します。GA technologiesのQAエンジニアakkiさんが、QAの工程を12個のSkillにしてAIに任せ、チームに定着させた話です。

ブックマークとして保存したのは、ClaudeやChatGPTを仕事に使いはじめた人にとって、自分の小さなチームの仕事をAIに渡す順番と、使い続けてもらう工夫の手がかりになると思ったからです。十数名のQAチームの話ですが、置き換えて読めます。

読む順番は、課題、GAQの設計、成果物とテスト実行、定着、効果、次のアクション、自分の仕事への置き換えです。私はQAエンジニアではなく、元記事の数字を自分で確かめたわけでもありません。読んで整理した記事として、気軽に読んでもらえたらうれしいです。

GA technologiesのQAエンジニアakkiさんは、QAの工程を12個のSkillにして、AIエージェントに任せるQA AIプラットフォーム「GAQ」を作りました。元記事によると、導入後のQAリードタイムは約30%短くなり、定着のためにデモ会や一人ずつの伴走も行ったそうです。この記事では、それを課題から順に整理して、小さなチームの仕事に置き換える見方まで考えます。

3行でわかるポイント

  1. akkiさんの記事によると、GAQは「AIが工程を回して、人が判断する」前提で作られ、QAの工程が12個のSkillになっています。
  2. 定着のために、なぜ変わるのかを説明し続け、デモ会と一人ずつの伴走を行い、相談・要望のチャンネルで声にすぐ応えたと書かれています。
  3. 約1か月後のアンケートでは13名中11名が生産性が上がったと答え、QAリードタイムは約30%短くなったとのことです。ただし元記事も、本導入からまだ日が浅いと書いています。
GAQの全体像を1枚にまとめた水彩の図解。課題、仕組み、置き場所、定着、効果、次の一手の6つの枠が番号順に並び、最下段に自分の仕事に置き換える流れが入っている
01

QAとは何か。akkiさんの記事が描くGAQ導入前の課題と、工程ごとの悩み

akki(GA technologies)の記事・当初の課題の節(2026年11月16日)。Zennの元記事より

AIエージェントの活用により開発のスループットが爆発的に上がっている一方で、QAチームのスループットは上がっておらず、開発プロセス全体のボトルネックになっていました。

開発はAIで一気に速くなったのに、品質を確かめる側が追いつかず、全体の流れが詰まっていた。上の一節が言っているのは、そういうことです。

スループット(決まった期間にこなせる仕事の量)が、開発とQAで大きくずれていたんですね。

この記事は、Zennに載ったakkiさんの記事を読んで整理したものです。書いたのは、GA technologiesのQAエンジニアのakkiさん。QA=品質保証。

作ったものが仕様どおり動くかを確かめる仕事、のことです。

私はQAエンジニアではありません。

akkiさんが出戻り入社した2026年7月、QAチームは十数名。Webサービスとネイティブアプリの複数のプロダクトを担当し、開発チームとQAチームが分かれた体制でした。

課題を、akkiさんは順に書いています。1つ目は、開発だけが速くなったこと。2つ目は、AIを使えるのが一部の人で、しかも個人利用に留まっていたこと。

3つ目は、テストの質が人によってバラつき、そのしわ寄せがレビュアー(確認役)に集まっていたこと。

もとの流れは、計画から報告までほぼ手作業でした。元記事の表には、6つの工程が並んでいます。テスト計画は一から書くので書き方が人で違い、テスト設計は質と粒度がバラつく。

計画と設計のレビューは、レビュアーが全部を目で確認するので負荷が集中していました。

テスト実行と、バグの起票・改修確認は、1件ずつ手で進めるので、開発の量やバグの数に比例して工数(かかる手間)が膨らむ。

E2Eテスト(利用者の操作を最初から最後まで通して確かめるテスト)は、余裕のある時に実装するので場当たり的でした。

見積書の確認でも、お客様への返信でも、書く人で質が変わり、確認役に負担が寄る形は似ています。あなたの仕事で、人によって出来が違う工程はどこでしょうか。

02

GAQとは。AIが工程を回して人が判断する、QA AIプラットフォームの設計と12個のSkill

akki(GA technologies)の記事・これらの課題を解決するための取り組みの節(2026年11月16日)。Zennの元記事より

「人が作業してAIが手伝う」のではなく、「AIが工程を回して、人が判断する」ことを前提に設計しています。

作業するのは主にAIで、人は判断に回る。引用の一節は、GAQがその前提で作られた、と言っています。GAQはGA Agent of Qualityの略で、読み方は「じーえーきゅー」。

QA AIプラットフォーム(QAチームのための土台となる仕組み)です。

中心になるのは「Skill」です。元記事によると、Skillはテスト工程ごとのハーネスで、AIエージェントはこれに従って作業を進めます。ハーネスは、作業の型や手すりのことだと受け取るとつかみやすいかな。

テスト計画では、AIが仕様書を読み、どこまで確かめるか、どんなリスクがあるか、いつ終わりとするかを含む計画書を作ります(Skill名はtest-plan)。

続くtest-designで、その計画書から、確かめる切り口(テスト観点)と1件ずつの確認項目(テストケース)を作る。

書いたAIとは別の目で、網羅性や書式を一次チェックするのがtest-review。実行はtest-runがブラウザを実際に操作し、結果と証跡を残す。

NGが出たケースは、bug-ticketがIssue(不具合の記録)として起票します。

ほかに、修正後に再テストするSkillや、不具合の傾向をまとめるSkill、E2Eテストを実装してプルリクエスト(変更の提案)を出すSkillがあり、小さな改修用のenhance-qaと環境を整えるenv-setupを足して合計12個になります。

個々のSkillの詳しい説明は、元記事も割愛しています。

元記事によると、人は各工程の切れ目で、AIの成果物を確かめて判断します。ここが設計の肝、と私は読みました。AIに渡して終わりではなく、渡したあとに人が見る場所が決まっている。

たとえば、お客様への返信の下書きなら、AIが下書きを作り、人は送る前に目を通して決める。毎週の数字の報告なら、AIが表をまとめ、人は気になる所だけを確かめる。形は同じかな。

03

GAQの成果物はMarkdownでGitHubに集め、テスト実行はAIの自動実行が主役になった

akki(GA technologies)の記事・Skillの実装の節(2026年11月16日)。Zennの元記事より

AIが前の工程の成果物をそのまま読んで次の工程に進めるので、工程の間で人が書き写したり読み直したりする手間がなくなりました。

工程と工程の間で、人が書き写したり読み直したりする手間がなくなった。一節はそう言っています。AIが前の成果物をそのまま読んで、次に進めるからです。

もとは、置き場所が工程ごとにばらばらでした。計画書はConfluence(文書をまとめるツール)、テストケースや実行結果はスプレッドシート、不具合はGitHub Issue。人が間をつなぐ形だったんですね。

導入後は、計画書・テストケース・実行結果・レポートを、Markdown(飾りのない文章の書き方)でGitHub(作業の記録を置いて共有する場所)に置いています。

テストケースの書き方もSkillが決めているので、誰が作っても質と粒度が揃いやすくなった、とakkiさんは書いています。

AI氣道『Agent Skillsとは。業務手順書の設計8つのコツを風音屋の記事で整理』より

「誰が頼んでも同じ出来になる手順書は、人にもAIにも効くはずです。」

テストケースの書き方をSkillが決める話と同じ向きのことを、私は『Agent Skillsとは。業務手順書の設計8つのコツを風音屋の記事で整理』で書いています。

元記事の「誰が作っても質と粒度が揃いやすくなりました」という書き方は、上の一節と同じ向きだと私は受け取りました。型を先に決めておくと、人が替わっても出来がぶれにくくなるのかな。

テスト実行も変わったと書かれています。もとはマニュアルテスト(人が手で操作して確かめるテスト)が主で、自動実行を使うかは人しだいでした。

導入後は、AIがブラウザやアプリを実際に操作する自動実行がメインになり、マニュアルテストはAIでは実行できないケースに絞った、とのことです。自動実行は、人の代わりにAIが画面を触って確かめること。

E2Eテストの追加も、「余裕がある時に実装する」から、テスト設計の段階で対象を決めて実装する形に変わりました。後回しにしていた工程が、最初の設計に入ったんですね。

自分の仕事に置き換えるなら、毎月の書類の置き場所が、メール、表計算、共有フォルダに散らばっていませんか。置き場所をそろえるだけで、書き写す手間は減るのかもしれません。

04

GAQを定着させた取り組み。説明し続ける、デモ会と伴走、声にすぐ応える

akki(GA technologies)の記事・Skill利用を定着させるための取り組みの節(2026年11月16日)。Zennの元記事より

GAQは私が作って配るものから、チームで育てていくものに変わりつつあります。

GAQはakkiさんが作って配るものから、チームで育てるものへ。この一節は、定着の先にある変化を言っています。

1つ目は、Skillの使い方より先に、なぜ今AIエージェントをフル活用したQAの進め方へ変わるのかを説明し続けたこと。

業界全体で変革が求められはじめていること、QAのキャリアにも影響しそうなことを、定例やSlack(チームの連絡ツール)で何度も発信した、と書いています。

2つ目はデモ会。スライドは使わず、架空のプロジェクトでSkillをその場で動かして、テスト設計から実行、バグ起票、改修確認までを1本の流れで見せたそうです。

URLを渡すだけで、AIが仕様書やIssue、デザインファイルを読みに行く場面もありました。

Git(作業の履歴を残す仕組み)のレクチャー会も開いています。

プルリクエスト(変更の提案とレビューの依頼)を出し、レビューを受けて、マージ(取り込み)する流れに慣れていないメンバーには、Skillよりその操作のほうが壁だったそうです。

デモのあとは、一人ずつの伴走です。どのSkillをいつまでに使い始めるかのマイルストーン(目標の日付)を伝え、利用状況を定期的に確かめ、躓いた人とはペアで手を動かしました。

3つ目は、公開直後に作った相談・要望のSlackチャンネルです。ヒアリング(AIからの質問)をチャットか事前のシートかで選べるようにする。Windowsの端末に対応する。

そうした声にすぐ応える形で改善し、変更前後をお知らせで共有したそうです。

いちばん大きな変化は、メンバー自身がSkillを直しはじめたことだと、akkiさんは書いています。公開以降にSkillを修正したプルリクエストのうち、半分近くはakkiさん以外のメンバーが出したものだそうです。

私が気になったのは、使い方より先に、なぜ変わるのかを話しているところ。人に使い続けてもらう仕組みは、道具そのものより先に、理由を共有する所から始まるのかな。

05

GAQの効果。13名のアンケートと、リードタイム約30%減・AI実行54%の数字を整理

akki(GA technologies)の記事・導入後の効果検証の節(2026年11月16日)。Zennの元記事より

導入前の1.31営業日に対して、導入後は0.91営業日となり、QAのリードタイムは約30%短くなりました。

QAのリードタイム(始めてから報告が終わるまでの日数)が、導入前の1.31営業日から導入後の0.91営業日になり、約30%短くなった。一節はそう言っています。

まず実感の話から。本導入から約1か月がたった時点で、QAメンバー13名にアンケートをして、13名中11名が「生産性が上がった」と答えたそうです。

作業1件あたりの時間は、多くの作業で2〜5割減ったという回答でした。

特にテスト設計は、使ったメンバー全員が「時間が減った」と答えています。一方で、テスト実行と改修確認は「ほぼ変わらない」が多い。

複雑なテストデータの準備が要ることと、AIエージェントが該当の画面にたどり着けないことが、課題として挙げられています。

品質への効果では、「Skillがなければ見逃していた不具合があった」と答えたのは1名。考慮していなかったケースに気づけた、仕様の認識合わせのきっかけになった、という声もあったそうです。

AIの出力は、10名が「軽微な修正」で使えている。

手直しが多かったのは、テストケースの粒度や書き方と、テスト観点の漏れや過剰。

「AIが作ったテストケースのレビューに時間がかかる」という声も多く、手間のかかる場所が、作成からレビューに移った面もある、とのことです。

AI氣道『アムダールの法則とは。AIエージェントの速さの上限が人の判断で決まる理由を整理』より

「私は、足場は人のレビューをなくす装置ではなく、人のレビューを仕様の側へ移す装置だと受け取りました。」

AIの成果物を人が確かめる時間は消えずに残る、という話と同じ向きのことを、私は『アムダールの法則とは。AIエージェントの速さの上限が人の判断で決まる理由を整理』で書いています。

足場とは、AIが迷わず動けるように先に組んでおく、仕様やテストの枠組みのことです。ここで大事なのは、レビューが消えるのではなく、場所が移ること。

数字は、プロジェクト単位の案件と、Issue単位の小さな改修の両方を含めて、QAの開始から報告完了までの営業日数を比べたものです。

導入後のプロジェクトでは、テストケースの54%をAIが実行したそうです。元記事自身が「本導入からまだ日が浅い」と書いています。

06

GAQの次のアクション3つ。ナレッジの蓄積、テスト管理ツールへの組み込み、PdMや開発者への展開

akki(GA technologies)の記事・次なるアクションの節(2026年11月16日)。Zennの元記事より

AIの出力をそのまま使える割合が上がれば、手直しにかかっていた時間がそのまま浮き、1人がこなせるテストの量が増えると考えています。

AIの出力に手を入れる時間が減れば、その分で1人がこなせる量が増える。この一節は、次のアクションの狙いを言っています。

元記事は、今後は生産性を、メンバー1人あたりが処理できるQA活動の数で測る予定だと書いています。そのために力を入れたい取り組みを、元記事は順に挙げています。

1つ目は、ナレッジの蓄積です。ナレッジ=その仕事で積み上がった知恵や落とし穴。

プロダクトごとにテスト観点や落とし穴をknowledgeというディレクトリ(フォルダ)に書いておき、テスト設計やテストレビューのSkillが実行時に読み込みます。

AIはそれを読んで、今回のテストに必要かを判断し、テスト仕様書に反映する。

今はナレッジの追加をモチベーションの高いメンバーに委ねている状況で、テスト中に見つけた知見を追記する流れもSkillの仕組みにしたい、と書いています。

AI氣道『Claude Codeのおすすめ環境とは。ハーネスを通してから仕事を振り分ける仕組みを整理』より

「環境を育てるとは、完成を目指すより、毎週1つ手をかける習慣を持つこと。私はそう考えています。」

環境を少しずつ育てるという考えを、私は『Claude Codeのおすすめ環境とは。ハーネスを通してから仕事を振り分ける仕組みを整理』で書いています。

ナレッジを少しずつ足しながら精度を上げていく形は、毎週1つ手をかける習慣と同じ向きだと私は感じます。完成を待たずに、育てながら使う。

2つ目は、内製(自社で作った)のテスト管理ツールへの組み込み。Markdownのテストケースは、数が多くなると見渡しにくく、ツールとGAQを行き来する手間もあるそうです。

ツールの画面からAIにテストを任せ、AIが作ったケースもその画面でレビューできるようにしていく、と書いています。

3つ目は、QAエンジニア以外への展開です。開発者が実装しながら自分でテストケースを作って動かす。PdM(プロダクトの方向を決める人)が、仕様を書いた段階でテスト観点を洗い出す。

そんな使い方を、akkiさんはイメージしています。

そうなれば、QAがすべてのテストを抱える必要はなくなり、QAは品質のデータ分析やプロセス改善に時間を使える、というのが元記事の筋です。小さなチームでも、確認を一人に集めない考え方は似ています。

07

AIと一緒に自分の小さなチームへ置き換える。工程を書き出し、手順書にし、確かめる切れ目を決める

akki(GA technologies)の記事・おわりにの節(2026年11月16日)。Zennの元記事より

振り返ってみると、一番大変だったのはSkillを作ることではなくチームに定着させ、「使えないじゃん」と思わせないことでした。

作る苦労より、使い続けてもらう苦労のほうが大きかった。この一節は、akkiさんの振り返りです。

akkiさんは出戻り入社から約4か月、GAQの構築と定着に取り組んできました。なぜ今変わるのかを伝え続け、実際に使ってもらい、フィードバックにすぐ応える。

その地道な積み重ねが定着に繋がったのではないか、と考えているそうです。

今ではメンバー自身がSkillを直し、GAQを一緒に育ててくれている。GAQはまだ発展途上、とも書いています。

十数名のQAチームの話です。ただ、一人社長や数人のチームでも「工程を書き出す、手順書にする、人が確かめる切れ目を決める」は同じ形で使える、と私は読みました。

入り口にするのは、元記事の2つの場面です。デモ会で、URLを渡すだけでAIが仕様書やIssueを読みに行った場面。そして、ヒアリングの往復が面倒という声から、チャットか事前のシートかを選べるようにした改善。

AI氣道『AIエージェントに仕事を任せる前に、その工程が要るかを見直す手順を整理する』より

「私なら、表の1列目に「要る?」を置きます。要らないと分かった工程は、AIに渡す前に消す。」

AIに仕事を任せる前の見直し方を、私は『AIエージェントに仕事を任せる前に、その工程が要るかを見直す手順を整理する』で書いています。

この一節のとおり、まず工程を書き出して「要る?」の列を付けるところから始めると、進めやすくなります。私なら、次の3つを頼みます。

1つ目は、今の仕事の工程を書き出して、AIに「要る?」の列を付けてもらうこと。たとえば毎週の数字の報告なら、集める、整える、送る、確かめる、の順に並べて、一つずつ要るかを見てもらう。

2つ目は、残った工程の1つを、誰が頼んでも同じ出来になる手順書にしてもらうこと。AIに渡すのは、やることだけでなく、何のための仕事か、どこが大事かという背景と意図まで。

3つ目は、AIが出したものを人が確かめる切れ目を、工程ごとに1つ決めること。お客様への返信の下書きなら、送る前に自分が読む、と決めておく。

元記事ではテスト実行や改修確認が「ほぼ変わらない」とされ、レビューにも時間がかかる声があったので、最初から全部は任せない形がよさそうです。

AIが出したものは、人が確かめて判断する。あなたの仕事でも、まず工程を1つ書き出すところから試してみませんか。

読んだあと、自分の小さなチームの仕事をAIに渡す順番を決めたい人へ

仕事の工程を書き出し、手順書の下書きと、人が確かめる切れ目までつくるプロンプト

枠の中にこの記事のURLが入っていて、AIが記事を読んでから、仕事について短い質問をして、工程の書き出しと「要る?」の列、手順書の下書き、人が確かめる切れ目の候補にまとめてくれるプロンプトです。何を任せるか、どこまで任せるかを決めるのは自分、という作りにしてあります。

1

工程の書き出しと「要る?」

今の仕事の工程が表になり、要るかどうかの列が付いて返ってきます。

2

手順書の下書き

残った工程のうち1つが、誰が頼んでも同じ出来になる手順書の形で返ってきます。

3

人が確かめる切れ目

AIの成果物を、どこで誰が確かめるかの候補が、工程ごとに1つずつ返ってきます。

AIの答えは下書きとして受け取り、任せ切りにせず自分の目で読み直す前提です。使ってみたい時だけ、下のボタンから使い方と依頼文を開いてください。

▶ タップしてプロンプトを開く

下の枠の文を丸ごとコピーして、手元のAIエージェントに貼ってください。枠の中には、この記事のURLが入っています。記事を読んだAIから、短い質問が4つ、1つずつ届きます。お客様の名前や個人情報は書かなくて構いません。

返ってきた結果は、そのまま信じず、自分の目で読み直してください。何を任せるか、どこまで任せるかを決めるのは、自分です。

次の依頼を、確認と整理だけで行ってください。

【記事のURL】
https://ai-kidou.jp/bm-zenn-gaq-20261118/
最初に、このURLの記事を読んでください。読めない時は、読めなかったと伝えて、下の記事の要点だけを材料にしてください。

【参照元(先に読む)】
https://zenn.dev/gatechnologies/articles/8bdea59269eb10
GA technologies のQAエンジニア akki さんが Zenn に書いた、QAチームのAIプラットフォーム「GAQ」の記事です。2026年11月18日に読んだ時点の内容です。読めた場合は、記事の記述と下の要点が合っているか確かめてください。

【目的】
私の仕事の工程を書き出し、AIに渡す前に要るかどうかを見直して、残った工程のうち1つを手順書にし、AIの成果物を人が確かめる切れ目を決めるために、人が決めるのは次の点です。どの仕事を対象にするか。どの工程を消すか。手順書をどこまで任せるか。確かめる人と場面。そのうえで、私が使えるメモの下書きをつくります。

記事の要点
・元記事は、QAチームが、QAの工程を12個のSkill(AIに作業の手順を渡す手順書)にして、AIエージェントに任せる仕組み「GAQ」を作り、チームに定着させた話。
・元記事は、「人が作業してAIが手伝う」のではなく「AIが工程を回して、人が判断する」ことを前提に設計したと書いている。
・元記事は、導入前の1.31営業日に対して導入後は0.91営業日となり、QAのリードタイムは約30%短くなった、テストケースの54%をAIが実行していると書いている(元記事の数字。確かめたものではない)。
・元記事は、テスト実行や改修確認は「ほぼ変わらない」という回答が多く、AIが作ったテストケースのレビューに時間がかかる声も多い、と書いている。
・書き手(ひろくん)の考え: 十数名のQAチームの話だが、一人社長や数人のチームでも、工程を書き出す、手順書にする、人が確かめる切れ目を決める、の順は同じ形で使える。ひろくんはQAエンジニアではなく、元記事の数字を自分で確かめていない。

【やってよいこと】
1. 記事を読んだあと、次の4つを1つずつ質問してください。答えが返ってから次の質問へ進んでください。
 ・AIに任せたい仕事は何か(1つ。お客様の名前や個人情報は書かなくて構いません)
 ・その仕事の工程を、思いつく順に(箇条書きで構いません)
 ・AIの成果物を確かめる人は誰か、確かめるのに使える時間はどのくらいか
 ・今使っているAIエージェントや道具は何か
2. 答えをもとに、工程を表にして、1列目に「要る?」の判断(要る・要らない・分からない)と理由を一行ずつ付けてください。決めるのは私です。
3. 「要る」と判断した工程のうち、最初に手順書にするとよい工程を1つ挙げて、誰が頼んでも同じ出来になる手順書の下書き(目的、材料、手順、できあがりの確認、止める条件)をつくってください。
4. 工程ごとに、AIの成果物を人が確かめる切れ目の候補を1つずつ挙げてください(誰が、何を見て、何を決めるか)。

【守ること】
・設定の変更、削除、送信、購入、予約、公開、インストールは行わないでください。ここでは、聞き取りと整理だけです。
・パスワード、鍵、口座の情報、個人情報、お客様の情報は求めないでください。貼られても使わず、消すよう伝えてください。
・元記事の主張や数字は、元記事の言い分として扱い、私の考えと分けてください。確かめられた事実とは書かないでください。ひろくんは元記事の数字を自分で確かめていません。
・分からない所は、推測で埋めずに未確認と書いてください。
・材料は、上のURLの記事と記事の要点、私の答えだけにしてください。記事に無い数字・効果を足さないでください。

【返す形】
(1) 工程の表(1列目が「要る?」)
(2) 最初に手順書にする工程と、手順書の下書き
(3) 人が確かめる切れ目の候補(工程ごとに1つ)
(4) 未確認の点(分からなかった所を、推測で埋めずに書く)
最後に、私が自分の目で読み直したほうがよい所を1行で添えてください。
FAQ

よくある質問

Q. GAQとは何ですか。

A. 元記事によると、GAQはGA Agent of Qualityの略で、GA technologiesのQAチームが作ったQA AIプラットフォームです。QAの各工程をAIエージェントに任せるための仕組みで、「人が作業してAIが手伝う」のではなく「AIが工程を回して、人が判断する」前提で設計したと、akkiさんは書いています。

Q. Skillとは何ですか。

A. akkiさんの記事では、Skillはテスト工程ごとのハーネス(作業の型や手すり)で、AIエージェントはこれに従って作業を進めます。テスト計画からテスト設計、テスト実行、バグ起票、E2Eテストの追加まで、合計12個のSkillを実装したと書かれています。

Q. 導入でどんな効果が出たと書かれていますか。

A. 元記事によると、本導入から約1か月後のアンケートで13名中11名が「生産性が上がった」と答え、QAリードタイムは導入前の1.31営業日から導入後の0.91営業日へ約30%短くなりました。導入後のプロジェクトではテストケースの54%をAIが実行しているとも書かれています。一方で、テスト実行や改修確認は「ほぼ変わらない」が多く、元記事も本導入からまだ日が浅いとしています。

Q. 定着のために何をしたと書かれていますか。

A. akkiさんは、Skillの使い方より先に、なぜ今変わる必要があるのかを説明し続けたと書いています。さらに、スライドを使わないライブのデモ会、Gitのレクチャー会、一人ずつの伴走、相談・要望のSlackチャンネルでの素早い改善を行ったそうです。

Q. 小さなチームでもまねできる部分はどこですか。

A. 元記事は十数名のQAチームの話です。私は、工程を書き出す、手順書にする、人が確かめる切れ目を決める、という形は、一人社長や小さなチームの仕事にも置き換えられると読みました。ただ、元記事の数字はあくまでそのチームのもので、同じ結果になるとは言えません。

MATOME

まとめ。GAQの話から持ち帰れる、AIに任せる順番と定着の工夫

akkiさんの記事は、QAチームが12個のSkillで工程をAIに任せ、チームに定着させた話でした。元記事によると、QAリードタイムは約30%短くなり、導入後のプロジェクトではテストケースの54%をAIが実行しています。

私がこの記事で大事だと読んだのは、一番大変だったのはSkillを作ることではなく、定着させて「使えないじゃん」と思わせないことだ、という点です。説明し続ける、見せる、伴走する、声に応える。順番に積み上げた話なんですね。

一方で、テスト実行や改修確認はほぼ変わらず、AIの出力のレビューに時間がかかる声も出ています。最初から全部を任せるのではなく、成果物を人が確かめる切れ目を決めておく。これが、小さなチームに持ち帰りたい形です。

まず自分の仕事の工程を1つ書き出して、要るかどうかを見直す。そこから、手順書にして、確かめる切れ目を決めてみる。QAの話を、自分の仕事の言葉に置き換えながら読んでもらえたらうれしいです。

この記事で学んだことを誰かに教えて恩送りして学びを深めよう!

COLUMN

AIに任せる手順は、人に声で説明すると穴が見えてくる

夕方の台所で、ひろくんが手書きのレシピのメモを手に持って声に出して読み、横で鍋が湯気を立てている水彩イラスト

AIに任せる仕組みを作るとき、手を動かすのは、まず作る側です。でも本当に大変なのは、そのあとだと思うんです。人に伝えて、使ってもらう。ここが盲点です。作ることは一度で終わっても、伝えることは続く。Zennで読んだ記事のakkiさんも、そこに時間をかけていました。

AI氣道『恩送りの熱は私の内側から湧き、教えた私の中でも自己発見が進んでいました』より

「教える側の私の中でも、何かが進んでいました。相手に向けた時間が、自分の理解を深める時間にもなっていました。」

この向きは、私が教える側の気づきについて『恩送りの熱は私の内側から湧き、教えた私の中でも自己発見が進んでいました』で書いたことと重なります。akkiさんはデモ会で見せて、一人ずつ伴走しました。声にもすぐ応えた。メンバー自身が、Skill(AIに渡す手順のまとまり)を直す側にまわった。教える時間は、相手のための時間です。同時に、教える人が自分のやり方を言葉にして確かめる時間にもなるんですよね。

小さなチームでも、一人社長でも、やることは同じだと思っています。AIに任せたい仕事を1つ決める。そうしたら、まず誰か1人に「この手順で頼むね」と声に出して説明する。相手は同僚でも、知り合いの経営者でもかまいません。画面の中で済ませず、耳に通すのが肝です。

新しい料理を人に出す前に、レシピを声に出して読んでみると、手順の抜けに気づくことがあります。頭の中では分かっているつもりでも、声にすると「ここ、どうするんだっけ」で止まる。説明に詰まった所が、手順書に足りない所なんです。そこは書き足す。それだけで、AIへの頼み方がぐっと具体的になります。

手帳を開いて、AIに任せたい仕事を1つと、その手順を口で説明する相手を1人だけ書きます。たったそれだけ。ChatGPTでもClaudeでも、手順を一度、人の耳に通してから渡すと、頼み方が変わってくるかな、と私は思っています。数は増やさず、まず1つです。

作る側は、伝える時間をどうしても後回しにしやすいかな。でも、声に出して説明するほんの少しの時間が、手順書の穴と自分のやり方の癖を、いちばんよく見せてくれます。一人で黙って手順書を直すより、耳を一つ借りるほうが早いんです。まず1人に、声に出して説明してみてください。

分身AIのことをもっと知るなら、分身AI.comもチェックしてね!

LINK

関連記事

REF

参考リンク

今回紹介した記事

著者<a href=”https://zenn.dev/akiakiakki” target=”_blank” rel=”noopener”>akki(GA technologies・QAエンジニア)</a>
媒体Zenn
公開日2026年11月16日
元URLhttps://zenn.dev/gatechnologies/articles/8bdea59269eb10

無料プレゼント

Aiport(ClaudeCode AIエージェント実践会)

ClaudeCodeでAI秘書+分身AI+AIカンパニーが無料で作れるキット&解説動画をプレゼント!

▶ 無料で入会してキットを受け取る

AI生成コンテンツについて

この記事はAIツール(Claude Code)を活用して制作しています。構成・文章生成にAIを使用し、最終的な内容の確認・編集・公開判断はひろくん(田中啓之)本人が行っています。「分身AIひろくん」(bunshin-ai.com)とは別のコンテンツです。

この記事が気に入ったら、シェアをお願いします

この記事で学んだことを誰かに教えて恩送りして学びを深めよう!

XLINEはてブ

関連記事