第四の波：AIがコードを書く。では、誰がそれをテストするのか？

私が「第四の波」と呼ぶエージェント型ソフトウェア開発は、予測不可能なほどのスピードで加速しています。最先端モデルの進歩、企業での導入加速、そして際限のないように見える資本投資により、コーディングエージェントは歴史上最も急速に普及した技術の一つとなりました。AIコーディングエージェント（およびコパイロット）は、コーディングのペースを根本的に変えました。多くの企業環境では、コードの40～50%がAIによって生成されており、開発チーム全体での導入はほぼ普遍的になりつつあります。かつては数日または数週間かかっていたコーディング作業が、今では数時間で完了できるようになりました。

しかし、第四の波に関する以前の議論で概説したように、ソフトウェアデリバリーは単一のステップではありません。それは、計画、コーディング、テスト、セキュリティ、リリース、監視にまたがる複雑で相互接続されたシステムであり、多くの場合、企業内で数万人（そしておそらく現在ではさらに多くのエージェント）が関与し、世界中に分散し、厳格なコンプライアンス要件の下で運用されています。

そして、コーディングが加速するにつれて、新たな制約が明らかになってきている。ボトルネックが変化した結果、多くの企業にとって、それはテストへと移行したのだ。

テストは開発のペースに追いついていない（AIが登場する以前から）。

長年にわたり、組織は品質保証（QA）の近代化に投資してきた。自動化フレームワーク、CI/CDパイプライン、アクセス自動化ツールは改善されてきた。しかし、エンタープライズ規模では、現実は多くの人が想像するよりもはるかに遅れている。

業界やシステムの複雑さにもよりますが、テスト作業の50～70%は依然として手動で行われています。AI時代においても、多くの組織が依然として手動でテストを実施しているのです。自動化に多額の投資を行っている組織でさえ、特にモバイル、ウェブ、パフォーマンス、アクセシビリティのテストにおいて、カバレッジのギャップはよく見られます。

データもこのことを裏付け始めている。最近の業界分析によると、AIが作成したプルリクエストは、人間が作成したプルリクエストに比べて、平均してはるかに多くの問題が発生することが判明した。論理エラー、正確性エラー、セキュリティ上の問題など、いずれも大幅に高い割合で発生している。開発者の自信も、AIの導入に追いついていない。調査では、大多数の開発者がAI生成コードのデプロイに完全には自信を持っていないことが一貫して示されており、かなりの割合のチームが、AI生成コードが原因でリリースをロールバックしている。より多くのコードが出荷されるにつれ、より多くの問題が発生するようになっている。

そして、自動化が導入されている場合でも、多くの場合、規模拡大に苦労する。

企業全体を通して、一貫したパターンが浮かび上がってくる。

• アプリケーションの進化に伴い、テストスイートは脆弱になる。
• スクリプトがコードベースと同期しなくなる
• メンテナンス費用は、カバー範囲よりも速いペースで増加しています。

業界の推定によると、自動テストの失敗の40～50％は実際の欠陥ではなく、アプリケーションの変更、環境の不安定性、またはテストデータの問題が原因である。

言い換えれば、テスト作業のかなりの部分がノイズの検出に費やされているということだ。

AIがテスト作成を変革するが、新たな制約も露呈する

AIの登場により、自動テストの生成が劇的に容易になった。かつて自動化における最大の障壁の一つであったテスト作成は、急速に姿を消しつつある。しかし、これは問題の解決にはならない。問題が別の形に移っただけだ。

テスト生成が加速するにつれて、複雑さも増していく。

• AI生成コードの増加に伴い、テスト量も指数関数的に増加する。
• アプリケーションの変更頻度が高くなるにつれて、テストの同期ずれも早く発生する。
• デバイス、ブラウザ、環境を問わず、実行要求は増大している。
• 「なぜテストは失敗したのか」という問いに答えることは、さらに複雑になる。

テストを作成することはかつてないほど容易になったが、大規模な環境で実際にテストの信頼性を確保することはかつてないほど難しくなった。

真のボトルネック：筆記試験後のすべて

第4波では、テストにおける制約はもはやテストの作成ではなく、テストのオーケストレーション、実行、運用に関するものとなっています。大企業では、欠陥の発見ではなく、テスト結果の理解に不釣り合いなほど多くの時間が費やされています。調査や業界ベンチマークによると、自動化された環境におけるQAおよびエンジニアリング時間の最大50%は、障害のトリアージ、つまり基本的でありながら重要な質問への回答に費やされています。

• これはアプリケーションの実際の不具合ですか？
• テストはコードと同期していませんか？
• 環境が不安定性をもたらしたのか？
• 問題はデータに関するものですか、それとも設定に関するものですか？

これは、現代の自動テストにおける隠れたコストと言えるでしょう。そして、変動性が常態化しているモバイル環境やウェブ環境では、その影響はさらに顕著になります。デバイスの断片化、OSの違い、ネットワーク環境、サードパーティの依存関係など、あらゆる要素が複雑化を招き、シミュレーションは困難を極め、デバッグはさらに難しくなります。

規模が大きくなると、これは複利効果を生み出します。

コードが増える → テストが増える → 失敗が増える → 診断に費やす時間が増える → 納品が遅くなる。

価値創造の転換

これまでの波では、テストにおける主な価値は手動から自動化への移行でした。第4の波では、AIによって自動化がこれまで以上に容易になっています。新たな価値創造の機会は、異なる一連の機能へと移行しました。

• テストと急速に進化するアプリケーションとの整合性を維持する
• 複雑なパイプライン全体にわたる、インテリジェントでリスクベースのテスト実行のオーケストレーション
• 実際の運用環境を正確に反映した、実世界の環境全体にわたる実行のスケーリング
• 根本原因分析を加速することで、障害トリアージにおける時間ロスを削減する。

これが、現在多くの企業が直面している制約です。開発スピードは上がり、テストの生成も速くなりました。しかし、開発スピードに合わせて品質を検証することはできないのです。

これが重要な理由

品質はもはや単なる下流のチェックポイントではない。それは最終的に価値の流れを加速させ、第四の波の約束を実現するゲート要因となる。

テストが追いつかない場合：

• Release 成長が加速しているにもかかわらず、サイクルは減速している。
• 欠陥が生産環境に漏れ出す
• 顧客体験が低下する
• 規制およびコンプライアンスリスクが増加する

そして重要なことに、AI主導の開発によって約束された利益は、決して完全には実現されない。

大規模な自律型テストの必要性

こうした理由から、インテリジェントで自律的なテストプラットフォームへの移行が見られるようになっているのです。これらのソリューションは、テストの作成だけでなく、AI主導の世界におけるテストのライフサイクル全体に対応するように設計されています。

好きなプラットフォーム Digital.ai テストは新たなボトルネックに焦点を当てる：

• AIによる自己修復機能で検査結果を同期させる
• 実際のデバイスや環境全体で大規模に実行する
• パイプライン全体にわたってテストをインテリジェントにオーケストレーションする
• 迅速な病原体根本原因分析によるトリアージ時間の短縮

第四波は、それらすべてを要求する。

戦略的意味合い

第4の波は、ソフトウェアライフサイクル全体における価値創造のあり方を再定義しています。コーディングはもはや主要な制約要因ではなく、ボトルネックはコーディングの上流と下流に存在します。多くの組織において、テストはそのボトルネックの一つとなっています。これはテストの数が不足しているからではなく、テストを大規模に管理、実行、そしてそこから学ぶことができないためです。

テストにおけるこの必要なイノベーションを認識する組織は、AI主導型開発の潜在能力を最大限に引き出し、第4の波で成功を収めるでしょう。そうでない組織は、コーディング能力が向上し続けても、品質面でのボトルネックに悩まされることになるでしょう。

なぜなら、この新しい環境では：

コーディングは簡単だ。難しいのは品質だ。

第四波の勝者は、単にソフトウェアの量を増やすだけではない。彼らは、高品質で堅牢なアプリケーションを、機械の速度で提供するだろう。

よりスマートなソフトウェア。エージェント並みのスピード。大規模環境下でも高品質を維持。