# プロジェクト概要
AIリプレイテストツール「Meticulous」を評価・導入し、fat E2E に依存した品質保証からの脱却と、回帰検知の網羅性向上・コスト最適化を同時に実現したプロジェクト。
# チーム情報
役割:導入オーナー(対外折衝/要件定義/効果検証/契約推進)
連携:フロントエンド開発チーム、QAチーム、テストベンダー、法務、経営層
関連技術・体制:GitHub Enterprise(Repository rulesets)、CI、Meticulous
# 概要
- ベンダーとトライアル条件を合意し、検証〜本契約までを一気通貫で推進。
- GitHub Repository rulesets によりユニークコミッターを制御し、不要なシート課金の発生を抑制する運用を設計
- QAチームへ依頼しテストベンダーを導入、セッション蓄積を仕組み化(回帰検知の母集団を安定確保)
- 効果検証を設計(アンケート設計/技術課題を想定したテスト項目の定義)
-トライアル中に検出した不具合件数と、万一のリリース後ホットフィックス工数から費用対効果を算出
- 法務と連携し契約書レビューを完遂、役員を巻き込んで稟議を通過
- 本番運用へ導入し、継続的な課金コントロールと検証プロセスを制度化
# 課題
- fat e2eになっていて、CIの時間が長い。また、テストのカバレッジも低い。
- Integration testが1つも存在しておらず、フロントエンドの保守性が非常に低い
- integration testを記述できる状態ではなく、e2eのスリム化も困難
- 事業のフェーズから、Integration testを記述する時間が満足に確保できない
# 成果
- Meticulousの本番導入を実現(トライアル合意〜法務レビュー〜稟議まで完走)
- Repository rulesets を活用した課金上振れ抑制の運用を確立
- QA/テストベンダー連携によりセッション収集を継続可能にし、Integration Test 不足を補完
- 効果検証〜費用対効果の提示により、投資対効果を明確化し意思決定を加速
- fat E2E 一極依存のリスクを緩和し、回帰検知の網羅性とメンテナンス性の向上に寄与