AWS CDKを用いた参照ソリューションとしてGitHubから導入し、最初のチームとアプリケーションを設定して動作を確認しましょう。
10/29時点の判定。発表内容から編集部AIが判定しています。最新の提供状況は公式情報をご確認ください。
AWSは、AIエージェントを活用したテスト自動化ツール「QA Studio」の組織展開を支える新機能を、AWS Machine Learning Blogで公開しました。多数のテストケースやチーム間のアクセス権限を一元管理できるようになります。
画像はイメージ（AI生成）です。記事の内容を写したものではありません。
かんたん版：専門用語を使わずに説明しています
AWSのAIテスト自動化ツール「QA Studio」に、たくさんのテストやチームを上手に整理・管理するための新しい仕組みが加わりました。
これまではテストが増えると、どれがどのアプリのものか分かりにくくなっていました。 今回のアップデートでは、アプリごとにテストをまとめて、誰がどのテストを直せるかをチーム単位でしっかり決められるようになりました。 また、テストがどれくらい安定しているかを点数（0〜100点）で表示してくれるので、アプリの調子がひと目で分かります。
たくさんのチームやプロダクトでテスト自動化を進めている開発者や管理者なら、誰がテストの責任者か迷わなくなるので、管理の手間がぐっと減ります。
AWSの公式GitHubリポジトリから自分のAWSアカウントに環境をデプロイして、チームやアプリケーションの登録を行うことで使い始められます。
AWSは新機能を公開しました。AIエージェントによるテスト自動化を、組織全体でスムーズに進めるための機能です。
自然言語でテストを定義できる「QA Studio」に機能が加わりました。テストの整理や権限管理の仕組みです。
たくさんのチームが参加する開発現場でも、テストの管理が分かりやすくなります。
AWS Machine Learning Blogによると、QA Studioの組織展開を支援する機能が追加されました。QA Studioは自然言語テスト自動化リファレンスソリューションです。
今回の発表は組織が直面する課題を解決するためのものです。AIによるテストの自動実行をすでに導入している組織は、管理の複雑化に悩んでいました。
新機能として提供された主な要素は次のとおりです。
QA Studioでは、テスト対象のシステムを「アプリケーション」という単位で表現します。テスト対象はウェブサイトやサービスなどです。
個別のユースケースや回帰テスト用のテストスイートは、このアプリケーションに所属します。そして、その所有権を引き継ぎます。
これにより、デプロイされているすべてのテストが1つの平坦なリストに並ぶ状態を防げます。各チームが自分の担当するアプリケーションの内部で作業できるようになります。
アプリケーションを作成するには情報の入力が必要です。名前、ベースURL、そして開発やステージング、本番といった環境の設定を入力します。
テストを実行すると結果が蓄積されます。単にそのビルドが成功したかどうかだけでなく、時間経過に伴う変化を追うことが重要です。
QA Studioはすべての実行結果を記録します。Amazon CloudWatchのカスタムメトリクスとして記録し、アプリケーションや環境ごとに集計します。
アプリケーションのページの上部には情報が表示されます。選択した期間の成功率、総実行数、現在の失敗数が表示されます。
さらに、QA Studioは健全性スコアを算出します。スコアは0から100までです。
このスコアは成功率をベースにしています。しかし、結果が頻繁に入れ替わる不安定なテストに対するペナルティを差し引いて計算されます。
これによりアプリケーションを見落とさずに把握できます。表面上の成功率が高くても中身が不安定なものを見落としません。
メトリクスがチームにアプリの状況を伝えます。一方で、チームベースのユーザー管理はどのアプリケーションが誰のものかを決定します。
QA Studioではアクセス権限はチーム単位で整理されます。1つのアプリケーションは正確に1つのチームに所属します。
すべてのチームメンバーはいずれかのロールを持ちます。上位のロールは下位の権限をすべて含んでいます。
また、機能も備わっています。所有チームが別のチームに対して権限を共有できる機能です。共有できる権限は表示、実行、またはフルアクセスです。
この共有には天井ルールがあります。共有先ユーザーの権限には適用されるルールがあります。自身のロールと共有されたレベルのうち低い方が適用されます。
QA Studioはサーバーレス基盤をベースに構築されています。これはこれまでの投稿で説明されてきた基盤です。
使用されている主なAWSサービスは次のとおりです。
はい、日本のユーザーも利用できます。AWS環境を通じて利用可能です。
QA Studioはリファレンスソリューションです。AWS CDKを使って自身のAWSアカウントにデプロイします。
すべてのテストデータや結果、メトリクスはユーザーのアカウントの境界内に保持されます。
導入にあたっては手順があります。公式のGitHubリポジトリおよびドキュメントを参照します。デプロイ後に管理者がチームやロール、アプリケーションの設定を行います。
CI/CDパイプラインと連携するテストの実行を行えます。さらに、エージェントの軌跡ログを用いた失敗原因の特定を効率的に行えます。
直接テストを書かない場合もあります。それでも、アプリケーションごとのテスト網羅状況や健全性スコアを把握できます。これにより品質の安定性を確認できます。
どのチームがどのアプリケーションを所有しているか分かります。テストの健康状態が全体として維持されているかを組織横断で可視化できます。
QA Studioの新機能により、テスト自動化を組織全体へ安全にスケールさせることが可能になります。AIを活用したテスト自動化を少数のテストからスケールさせます。
AWSアカウントにリファレンスソリューションをデプロイしましょう。まずは最初のチームとアプリケーションを作成して動作を試してみましょう。
詳細な手順や設定については、情報源があります。公式のGitHubリポジトリを確認してください。
前日に出た記事から大きな発表を選び、1本2行でまとめてメールで届けます。無料・いつでも解除できます。
主要企業の大きな発表だけ、1日4回まで。夜22時〜朝7時は鳴らしません。いつでも解除できます。
本記事は公式発表の文章をもとにAIが要約・解説して自動生成したものです。誤りが含まれる可能性があるため、正確な仕様・料金は公式発表をご確認ください。元記事を読む（解析モデル: gemini-3.5-flash-lite）制作方法と事実確認の手順は編集方針をご覧ください。誤りのご指摘はお問い合わせから受け付けています。
AWS Machine Learning Blogで公開された、Amazon BedrockにおけるAIモデル評価バイアスの修正手法とプロンプト最適化の仕組みを解説します。
AWSの週刊アップデート情報を解説。Amazon BedrockのStructured Outputs対応やAWS Trainium向けネイティブPyTorchなどを詳しく紹介します。
AWSブログで公開された、週1,000件のプルリクエスト（PR）を処理するAI開発チーム『Kiro Crew』の安定化手法を解説。自動テスト、レビューのティア分け、ループの仕組みを詳しく紹介します。
OpenAIとServiceNowがパートナーシップを拡大。ChatGPTとServiceNowのワークフローを直接連携させ、ITリクエストの解決やアプリ開発、セキュリティ対応をAIで効率化する新機能の提供スケジュールを解説。
