PractiTestでリリース判定する方法|AIの材料と人が承認する線

PractiTestでリリース判定する方法|AIの材料と人が承認する線

「テスト管理のツールがAIで『リリースしてよいか』を数字で出してくれるなら、受け入れ判定の会議はそれで済ませたい」「要件からテストをAIが作って登録までしてくれるなら、ベンダーの検収を待たずに回せるのでは」——基幹システムや業務システムの更新を受け入れる側の担当者が、2026年の秋にそろって口にし始めた期待です。イスラエルの PractiTest は、この一年でMCP接続、リリース準備指数、会話型のプロジェクトアシスタントを順に公開しました。けれども、AIが出すのは判定の材料であって、リリースを決めたことにはなりません。可否を決めるのは、業務の責任を負う人です。この記事では、PractiTest のAI機能を材料に、受け入れの判定材料をAIに出させるとき、どこまで信じ、誰が承認し、何を証跡として残すかを手順で整理します。


カメ先生カメ先生

リリース準備指数のような点数が出ると、それが合否そのものだと思われがちなんだ。でも本当は、網羅・実行・残った不具合という三つの信号を、決まった重みで混ぜた参考値なんだよ。


カメ子カメ子

点数が高くても、入力されたデータが薄ければ高く出てしまう、ということですか。


カメ先生カメ先生

そう。要件とテストがつながっていない、不具合の優先度が付いていない、そんな台帳でも点数は出る。だから、判定会議の持ち主と、点数の中身を誰が確かめるかを、ツールを入れる前に決めておくんだ。


カメ子カメ子

AIに材料をそろえてもらうのと、出していいと決めるのは、別の人の仕事なんですね。


この記事のポイント
  • PractiTest のAIが出すのは、網羅・実行・不具合の信号をまとめた判定材料。リリースの可否は判定会議の持ち主が決める
  • リリース準備指数は台帳の入力に左右される。要件とテストのリンク、不具合の優先度と状態を人が整えてから読む
  • 社員の Claude などにMCPで開くときは、読み取りと書き込みの道具を分け、実行記録の作成と更新は誰の承認で行うかを決める

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

PractiTest とは:テスト台帳の上に、判定材料を出すAIが載った

PractiTest は、要件、手作業と自動のテスト、実行の結果、見つかった不具合、外部ツールとの連携をひとつの台帳にまとめるテスト管理の基盤です。提供元は自社を「テスト管理と品質情報の基盤」と説明しています。業務システムの受け入れでいえば、どの業務要件に対してどのテストを用意し、どこまで実行し、何が未解決で残っているかを、ひとつの場所で追うための道具です。

2026年の変化は、この台帳の上にAIが三つの形で載ったことです。外のAIから台帳を読み書きするMCP接続、マイルストーンごとに準備の度合いを点数で示すリリース準備指数、そして台帳に日本語ではなく英語の自然文で問いかけて調べるプロジェクトアシスタントです。以前からある手順の自動生成(SmartFox)や、テストごとの価値を点数にするテスト価値スコアも含めると、判定の前段にある「材料をそろえる仕事」のほとんどにAIが入れる状態になりました。

だからこそ、材料をそろえる仕事と、材料を読んで決める仕事を分けて考える必要があります。テストの自動実行やAIによるテスト生成そのものの一般論は、テスト自動化の別の記事で扱っているので、ここでは受け入れの判定に絞ります。

2026年の発表を時系列で確かめる

導入を検討する前に、何がいつ出たのかを公式の発表とヘルプで確かめておきます。AIの機能は、契約の種類によって使える範囲が違う点に注意が必要です。

時期機能AIがすること使える契約(公式の説明)
2026年2月23日MCP接続Claude や ChatGPT から台帳を読み、テストの作成・更新・要件へのリンク・実行記録の作成まで行うコーポレート版のみ。公式に検証・サポートするのは Claude
2026年9月1日提供・14日発表リリース準備指数網羅・実行・残る不具合の三つを0〜1の点数にまとめ、時期に応じて重みを変える公表資料では顧客向けに提供とだけ記載
2026年10月21日プロジェクトアシスタント自然文の問いに台帳から答え、追加の問いで掘り下げ、結果をフィルタとして保存するチーム版・コーポレート版でAIを有効にした案件。ヘルプではベータ版
以前からテスト価値スコア実行履歴やリンクした不具合などから、テストごとの価値を0〜100で示すコーポレート版のみ
以前からSmartFox の手順生成テストの題名と説明から手順の案を出す。適用は人が選ぶアカウント所有者がベータ版の条件に同意して有効化
  • 契約の種類と機能の対応は、2026年11月時点の公式ヘルプと発表資料の記載によります。ベータ版の機能は、提供条件や対象の契約が変わる可能性があります
  • SmartFox の手順生成と文章の手直しは、提案が自動では適用されず、人が採用を選んで保存する仕組みと説明されています

表から分かるのは、読むだけの機能と、台帳に書き込める機能が混在していることです。リリース準備指数とプロジェクトアシスタントは、主に台帳を読んで材料を出す側です。一方でMCP接続は、外のAIがテストを作り、既存のテストを書き換え、実行の記録まで作れます。受け入れの判定に使うなら、この二種類を同じ扱いにしないことが出発点になります。

受け入れの判定が重くなる理由:誰も全体を見ていない

業務システムの更新では、開発や設定を担うベンダー、業務を知る利用部門、全体を管理する情報システム部門が、それぞれ別の資料で状況を把握していることがよくあります。ベンダーは自社のテスト結果、利用部門は自分の業務のシナリオ、情報システム部門は不具合の一覧を持ち、判定会議の直前に表計算の資料へ寄せ集めます。

この寄せ集めの作業が重いので、点数がひとつ出るなら楽になる、という期待が生まれます。提供元もリリース準備指数の発表で、判定の議論をデータの寄せ集めではなく決定そのものに向けられると説明しています。ただし、寄せ集めが楽になることと、判定が正しくなることは別です。台帳に入っていない業務、リンクされていない要件、優先度が付いていない不具合は、点数に反映されません

つまりAIの点数が役に立つかどうかは、AIの賢さではなく、台帳がどれだけ実態を写しているかで決まります。受け入れの判定にAIを使う前に、台帳を誰がどこまで整えるかを決める手順が必要になるのはこのためです。

前提:AIが出すのは「材料」、可否を決めるのは判定会議

提供元自身も、AIを判定者としては位置づけていません。MCP接続の発表では「判断の輪には人が必要」と書き、プロジェクトアシスタントのヘルプでは、AIが示した傾向を調査の出発点として使い、自分のテスト判断の代わりにしないよう求めています。リリース準備指数も、発表では判定を支える材料として説明されています。

社内の運用では、この位置づけを言葉にして残しておくと、後でぶれません。たとえば次のように線を引きます。

社内で決めておく三つの線
  • AIに判断させない:リリースの可否、不具合の重大度の確定、テストを捨てる判断は、会議体または責任者が行う
  • 根拠を書かせる:AIが出した傾向や提案には、どのテスト・どの不具合・どの要件から言えるのかを番号付きで示させる
  • 人が確認する範囲を先に決める:業務上止められない要件、法令や監査に関わる要件は、点数に関係なく人が結果を一件ずつ見る

この三つを先に決めておくと、AIの機能が増えても、何をAIに任せ、何を人が持つかを機能ごとに議論し直さずに済みます。以下の手順は、この線を前提に組み立てています。

手順1:判定会議の持ち主と、可否の言葉を先に決める

最初に決めるのは、ツールの設定ではなく、誰がリリースを承認するかです。業務システムの更新なら、利用部門の責任者、情報システム部門の責任者、ベンダーの責任者のうち、最終的に承認の署名をするのは誰かを一人に決めます。合議で決める場合も、議事録に誰の判断として残すかを決めておきます。

次に、可否の言葉をそろえます。リリース準備指数は、マイルストーンの終盤になると、点数に応じて「準備完了」「要注意」「軌道から外れている」といった表示に変わります。この表示をそのまま社内の判定の言葉にすると、点数が0.76を超えたから出す、という運用に流れがちです。社内の可否は「出す」「条件付きで出す」「延期」のように別の言葉で定義し、点数はその判断材料のひとつとして記録する形にしておくと、点数と判断が混ざりません。

条件付きで出す場合の条件、たとえば既知の不具合を回避手順付きで残す、特定の部署だけ先に切り替える、といった選択肢も、この段階で書き出しておきます。AIに選択肢を考えさせることはできますが、どの選択肢が業務上許されるかは、業務を知る人にしか決められません。

手順2:業務要件をテスト台帳につなぎ、つながりの穴を先に見る

リリース準備指数の三つの要素のうち、網羅の信頼度は、マイルストーンに含めた要件と、その要件にリンクしたテスト、そのテストの実行の進み具合から計算されます。ヘルプには、ここで数えるのは要件のトレーサビリティ欄で直接リンクしたテストであり、マイルストーン経由のつながりではないと注記があります。

つまり、テストを用意していても、要件とのリンクを張っていなければ、網羅は低く出ます。逆に、要件そのものが台帳に入っていなければ、その業務は最初から計算の外にあります。受け入れでよく起きるのは、ベンダーの設計書にある機能要件は台帳に入っているのに、利用部門が日常で使う帳票の出力や月末処理のような業務の流れが、要件として登録されていない状態です。

ここではAIが役に立ちます。MCP接続には、要件の網羅の状況を取得し、穴を分析して不足するテストを提案する流れが用意されています。ヘルプの例でも、提案を人が確認して承認したあとで、作成とリンクを指示する順番になっています。ただし、AIが見つけられるのは、台帳に入っている要件の穴だけです。台帳に入っていない業務の洗い出しは、利用部門へのヒアリングや業務一覧との突き合わせで人が行い、要件として登録してから、AIに網羅の穴を探させる順番にします。

手順3:リリース準備指数を三つに分けて読む

リリース準備指数は、網羅の信頼度、実行の信頼度、残る不具合の危険度の三つを、それぞれ0〜1に正規化して重み付きで合成した点数です。重みはマイルストーンの時期で移り、前期は網羅、中期は実行、終盤は残る不具合を重く見ます。終盤の表示は、0〜0.50が赤、0.51〜0.75が黄、0.76〜1が緑と公開されています。

判定会議では、合計の点数ではなく、三つの要素を分けて読むことを勧めます。終盤は不具合の重みが大きいので、網羅が薄いままでも、不具合が少なければ合計は高く出る可能性があります。そして、残る不具合の危険度は、閉じた状態以外の課題を数え、優先度の欄の値で重みを付けます。優先度を付け忘れた不具合や、実際には直っていないのに閉じた状態にされた不具合は、点数を実態より良く見せます。

このため、点数を読む前に確かめる項目を決めておきます。

  • マイルストーンに含めた要件の一覧が、受け入れ対象の業務を漏れなく写しているか
  • 未リンクのテスト、テストのない要件が、どこに何件あるか
  • 開いている不具合すべてに優先度が付いているか。閉じた不具合のうち、再確認していないものがないか
  • マイルストーンの開始日と終了日が実際の計画と合っているか(時期で重みが変わるため)

なお、この指数は開始日と終了日の間にある進行中のマイルストーンだけで計算され、指数を有効にする前に完了したマイルストーンは表示されません。計画と実績を比べるグラフも、最大で直近30日分です。過去の案件と比べたい場合は、別に記録を残しておく必要があります。

手順4:テスト価値スコアで「見直す候補」を出させ、削るのは人

受け入れのテストは、版を重ねるたびに増え、全部を回す時間が足りなくなります。テスト価値スコアは、AIと機械学習に経験則を組み合わせ、テストごとの価値を0〜100で示す機能です。公開されている要素は、実行結果の揺れ、リンクした不具合、複数のテストセットでの実行、手順の整い方、複数の実行者、最近のコメントです。

ここで注意したいのは、毎回合格するテストは点数が低く出ると説明されている点です。テストの効率という観点では筋が通っていますが、業務システムの受け入れでは、毎回合格していても外せないテストがあります。給与や請求の計算、権限の分離、法令で求められる帳票の出力などは、壊れたときの影響が大きく、合格し続けていること自体が確認の目的です。

  • 点数の低いテストを、一覧のまま一括で削除する
  • 毎回合格する法令関連のテストを、価値が低いという理由で回帰の対象から外す
  • 実行が2回未満で点数の出ていないテストを、価値が分からないまま後回しにし続ける

点数が出るには、2日に分けて2回以上の実行が必要で、それ未満は点数なしと表示されます。運用としては、点数は「見直す候補」の並べ替えにだけ使い、削る・残すの判断は、業務への影響を知る人が一件ずつ行います。外せないテストには、独自の欄で印を付けておくと、点数に関係なく残す対象を誰でも見分けられます。

手順5:会話で調べた結果は、フィルタにして残してから会議に出す

プロジェクトアシスタントは、たとえば「このマイルストーンで、まだ実行していない優先度の高いテストは、どの要件に集中しているか」といった問いに、台帳から答えます。前の答えを踏まえて問いを重ねられ、会話の履歴も残ります。公式の説明では、チーム版とコーポレート版で、AIを有効にした案件で使え、ヘルプではベータ版と表示されています。

判定の材料として使うときに大事なのは、会話の答えをそのまま会議資料に貼らないことです。会話の答えは、問いの言い回しで範囲が変わり、同じ問いでも再現できるとは限りません。プロジェクトアシスタントには、結果を一覧の画面で開き、フィルタとして保存する機能があります。会議に出す数字は、保存したフィルタの条件と件数で示し、誰が見ても同じ一覧を再現できる形にします。

また、「先月の不具合に共通する傾向は何か」といった解釈を求める問いの答えは、提供元が言うとおり出発点にとどめます。AIが「決済の画面に集中している」と答えたら、該当する不具合の番号を挙げさせ、担当者が実際に開いて確かめてから、会議の論点に載せる順番です。

手順6:社員のAIにMCPで開くとき、書き込みの道具を分けて考える

MCP接続は、社員が普段使う Claude や ChatGPT、開発環境の GitHub Copilot から、PractiTest の台帳に届く入り口です。接続は、PractiTest 側で利用者が許可して完了します。ヘルプに載っている道具を、読むだけのものと台帳を変えるものに分けると、判断がしやすくなります。

区分主な道具(ヘルプの記載)受け入れ判定での扱いの例
読むだけ案件の一覧、要件と網羅、テスト、テストセット、課題、マイルストーン、実行結果の取得、全文検索判定の材料集めに広く使ってよい。答えには番号を付けさせる
台帳を増やすテストの作成、要件へのリンク、テストセットの作成、テストセットへの追加、Jira からの課題・要件の取り込み提案を人が承認してから実行。作成したものは担当者が中身を確かめる
台帳を書き換える既存テストの更新承認済みのテストは対象外にする。版を分けてから変える
結果を記録する利用者が渡した結果で実行記録を作成受け入れの正式な合否はAI経由で記録しない、と決めておく

とくに注意したいのは、実行記録の作成です。この道具は、利用者が伝えた結果で記録を作ると説明されています。会話の流れで「全部合格だった」と伝えれば、実際に操作して確かめていない合格が台帳に入る余地があります。受け入れの合否は、テストを実行した人が自分の手で記録するという線を、運用の規則として明文化しておくことを勧めます。

誰の資格で動くか:グループの権限とトークンの切り方

PractiTest の権限は、案件ごとのグループで決まります。標準のグループは四つで、管理者は制限のない権限、テスターは要件・テスト・不具合をほぼ自由に扱え、開発者は不具合は扱えてもテスト・実行・要件は閲覧のみ、コメント者は閲覧とコメントだけです。標準グループの権限は変更できず、独自の権限を持つグループを作ることもできます。複数のグループに入った利用者は、すべてのグループの権限を合わせて持ちます。

MCPで社員のAIをつなぐと、AIはその社員の権限の範囲で動くことになります。だからこそ、AIをつなぐ社員を、どのグループに入れておくかが、そのまま書き込みの範囲になります。材料を集めるだけの人は閲覧中心のグループに、テストを作る人はテスターに、と役割に合わせて入れておきます。

自動化の仕組みでAPIを使う場合は、トークンの種類にも注意が必要です。提供元は、利用者の権限が効く個人のトークンを推奨しています。一方で、利用者になりすます設定の個人トークンはアカウントの全権限を持ち、アカウント単位のトークンは全案件の読み取り・作成・更新・削除ができると説明されています。社内のAIの仕組みにこうした強いトークンを渡さない、という決まりを先に作っておきます。

証跡:誰がいつ何を変えたかを、履歴で追えるか

受け入れの判定は、後から「なぜ出したのか」を問われることがあります。監査や障害の振り返りで説明できるように、台帳の変更履歴をどう使うかを決めておきます。PractiTest には、案件全体の操作を一覧する履歴と、要件やテストなど一件ごとの履歴があり、案件の履歴は利用者・操作の種類・日時で絞り込めます。案件全体の履歴を見られるのは、案件の管理者とアカウント所有者に限られます。

MCP接続は、利用者が自分のアカウントで許可してつなぐ仕組みなので、AI経由の操作もその利用者の操作として記録されると考えられます。ただし、AI経由の操作であることが履歴の上で区別できるかどうかは、公開されているヘルプからは読み取れませんでした。導入前に試験用の案件で、AIに作らせたテストや変更が履歴にどう残るかを確かめておくと安心です。

判定会議の記録には、少なくとも次の三つを残します。判定時点のリリース準備指数と三つの要素の値、判定に使ったフィルタの条件と件数、そして承認した人の名前と日時です。点数は時間とともに変わるので、判定した瞬間の値を写しとして残しておかないと、後から根拠を示せません。

社外に出るもの:データの置き場所とAIの提供元

PractiTest の台帳そのものは、提供元のクラウドに置かれます。MCPの接続先は、米国・欧州・豪州のデータセンターごとに分かれており、2026年には豪州の保管場所も追加されました。公開されているコンプライアンスの情報では、外部の監査法人による毎年のSOC2タイプ2の報告、ISO27001の認証、AWS上での運用が挙げられています。

AIの機能を使うには、アカウント所有者が利用条件に同意し、生成AIの利用への同意を有効にする設定が、アカウント設定にあります。AIを使うかどうかの最初のスイッチは、アカウント所有者が持っているということです。社内で誰がこのスイッチを入れてよいかを決めておきます。

もうひとつの流れが、MCP経由で社員の Claude や ChatGPT に渡るデータです。MCPでAIが台帳を読むと、要件の文面、テストの手順、不具合の内容が、その社員が使っているAIの提供元に届きます。受け入れのテストには、取引先名や実在の顧客データに近い試験データが含まれることがあるので、社員が使うAIの契約が、入力したデータを学習に使わない条件になっているかを確かめてから接続を許可します。

費用の増え方と、やめ方

利用料は、年額で利用者ごとにかかる形と説明されており、契約の種類に応じて、閲覧とコメントだけの無償の利用者枠が付きます。コメント者以外のグループに入れた利用者は、権限にかかわらず有償の利用者として数えられます。受け入れの判定に利用部門を広く参加させたい場合、閲覧とコメントで足りる人はコメント者のグループに入れる、と決めると費用が膨らみにくくなります。

AIの機能は契約の種類で範囲が違います。MCP接続とテスト価値スコアはコーポレート版のみ、プロジェクトアシスタントはチーム版とコーポレート版と案内されています。MCPを使いたいという理由だけで上位の契約に上げると、利用者全員の単価が変わる可能性があるので、どの機能のために契約を上げるのかを、利用者数とあわせて試算します。なお、無償の試用は14日間と案内されています。

やめ方も先に確かめておきます。テスト価値スコアは案件設定のチェックで有効にする仕組みなので、案件ごとに止められます。MCPは社員のAI側の接続を外せば入口が閉じます。AIで作ったテストや保存したフィルタは台帳に残るため、AIをやめても、AIが作ったものの棚卸しは人の仕事として残ることも見込んでおきます。

導入の進め方:小さな更新から始める

最初から基幹システムの大型更新で使うと、台帳の整備と判定の運用を同時に作ることになり、どちらも中途半端になりがちです。影響の小さい更新から始め、段階的に広げる進め方を勧めます。

STEP1
台帳を整える

小さな更新案件を一つ選び、受け入れ対象の業務を要件として登録し、テストとのリンクと不具合の優先度を人が整える。

STEP2
読むAIだけを使う

リリース準備指数とプロジェクトアシスタントで材料を出し、判定会議では三つの要素とフィルタの件数を確かめる。書き込みのAIはまだ使わない。

STEP3
提案だけをAIに出させる

MCPで網羅の穴と不足するテストを提案させ、人が承認したものだけ作成とリンクを指示する。作成したテストの中身は担当者が確かめる。

STEP4
記録と承認の線を固める

実行記録はテストした人が付ける、承認済みのテストはAIで書き換えない、判定時の値を写しとして残す、を規則にしてから次の案件に広げる。

各段階の終わりに、AIの材料と人の判定がどこで食い違ったかを振り返ると、次の案件で人が確認すべき範囲が具体的になります。食い違いの記録は、AIの使いどころを社内で説明するときの根拠にもなります。

よくある質問

リリース準備指数が緑なら、そのまま出してよいですか

点数は判定の材料のひとつです。緑でも、台帳に入っていない業務や、優先度の付いていない不具合は反映されません。三つの要素を分けて確かめ、業務上止められない要件の結果を人が見たうえで、承認者が判断してください。

AIに作らせたテストを、そのまま受け入れテストに使えますか

使う前に、担当者が手順と期待する結果を確かめる必要があります。提供元の説明でも、AIの提案は人が確認してから作成する流れです。業務の例外や社内の決まりごとは、台帳に書かれていなければAIには分かりません。

日本語の要件やテストでも使えますか

公式のヘルプとプロジェクトアシスタントの説明は英語の問いかけを前提に書かれており、日本語での精度は公表されていません。試用期間中に、自社の日本語の要件とテストで答えの質を確かめることを勧めます。

ベンダーにもアカウントを渡すべきですか

ベンダーが実行結果を直接記録するなら、テスターなど必要な権限のグループに入れます。ただし、承認の操作と判定の記録は発注側が持つ、と契約と運用の両方で決めておくと、責任の所在がぶれません。

まとめ

PractiTest は2026年に、外のAIから台帳を読み書きするMCP接続、網羅・実行・残る不具合をまとめるリリース準備指数、台帳に問いかけて調べるプロジェクトアシスタントを公開し、受け入れ判定の材料集めの多くをAIに任せられるようになりました。一方で、点数は台帳の整い方に左右され、MCPの道具には実行記録の作成や既存テストの更新まで含まれます。判定会議の持ち主と可否の言葉を先に決め、台帳を人が整え、点数は三つに分けて読み、書き込みのAIは承認を挟んで使い、判定時の値を写しとして残す。AIに材料をそろえさせ、出してよいかは人が決めるという線を守れば、受け入れの判定は速く、そして説明できるものになります。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次