インタビュー対象者の文字起こしについてインタビュー対象者と話し、AI を使用して会議のメモを古めかしい英語で要約していることを認めたら、それは楽しいインタビューになるでしょう。
Dave Colwell は、Tricentis の AI および ML 担当副社長です。彼はまた、会議で話す人の中には「とても退屈な人もいます。彼らはいつもインタビューをしたがります。そして私はこう思います。「何を話すつもりですか?」と言いました。前回の電話と同じ内容です。」
「そこで一度、他の人が参加する前に、トランスクリプトをシェイクスピアの英語で書くように設定しました。全員のセリフが「あなた、誰々」のように出てきました。面白かったです。最高の状態での迅速な注入。」
彼はギャングスターラップでも同じことをすることを推奨している。
しかし、AI について言えば、Tricentis は、大規模組織が DevOps および CI/CD パイプラインの一部としてソフトウェア テストを自動化および加速できるように設計された継続的テスト プラットフォームを提供しています。その主な目標は、時間のかかる手動テストを AI を活用したモデルベースのローコード自動化ツールに置き換えることにより、企業がソフトウェアをより迅速に、より少ない欠陥で提供できるように支援することです。
ソフトウェアのテストからAI自体のテストまで
今週、Tricentis は、ロンドンで開催された同社の旗艦グローバルイベント Tricentis Transform で、AI を活用した品質エンジニアリングの将来のビジョンを発表し、企業が AI 時代にソフトウェアを構築、テスト、提供する方法の決定的な瞬間を迎えました。
この発表では、Tricentis の AI エージェント、モデル コンテキスト プロトコル (MCP) サーバー、AI プラットフォーム サービスのポートフォリオを統合する統合 AI ワークスペースとエージェント エコシステムを導入し、最新のイノベーションのスピードと規模で品質を管理するための一元的なハブを構築します。
AI のスピード (そしてカオス) でのテスト
生成 AI によってソフトウェア作成が加速するにつれて、組織はコード量と複雑さの両方の急激な増加に直面しています。従来のテスト モデルではもはや対応できなくなりました。 Tricentis のビジョンは、品質エンジニアリングをインテリジェントな自律システムを活用した戦略的分野として再構築し、エージェントが熟練した専門家と連携して、すべてのリリースがより速く、より安全で、より信頼できるものであることを保証します。 「私たちは企業にあらゆるものをテストできる機能を提供します。」
Tricentis の AI および ML 担当副社長の Dave Colwell 氏によると、同社は自動テスト、パフォーマンス テスト、テスト管理からスタートし、本質的にテストの作成と維持を容易にしました。
「現在、私たちは信じられないほど複雑なテクノロジースタック上で稼働する企業と協力しています。彼らのシステムには、1970 年代に構築されたものもあれば、昨日ロールアウトされたものもあります。
そのスタックの一部に障害が発生すると、顧客はすぐに痛みを感じます。そこで Tricentis の出番です。私たちは企業に、古いテクノロジーから新しいテクノロジーまで、あらゆるものを同様にテストできる機能を提供します。」
Colwell 氏は、「私は『AI ヒップスター』です。大規模な言語モデルが登場する前に参加したのです。」と冗談を言うのが好きです。
彼の経歴はコンピューター ビジョンと自然言語処理であり、Tricentis は初期の段階でコンピューター ビジョン モデルを使用してユーザー インターフェイスを分析し、機械的ではなく有機的にテストする方法を見つけたと回想します。
「これは、AI をテストに適用するという私たちの最初の取り組みでした。
過去 8 年間にわたり、私たちはテストの構築と維持に必要な人的労力を削減することを主な目標として、AI に多額の投資をしてきました。理想的には、テストは自動的に構築され、維持されます。それが私たちが目指している未来です。
AI テストのパラドックス: 「間違い」がバグではない場合
AI ソリューションのテストがそれほど難しいのはなぜですか?
2025 年の Tricentis 品質変革レポートによると、組織のほぼ 3 分の 2 (63 パーセント) が完全なテストを行わずにコードを導入しており、10 分の 8 以上 (81 パーセント) がソフトウェアの欠陥による財務上の影響が年間 50 万ドルを超えていると報告しています。
AI が開発と提供を加速するにつれて、適応的で自律的なテストの必要性が重要になります。
Tricentis のエージェント AI テクノロジーはこの課題に直接対処し、システムがテストを生成して実行するだけでなく、結果から継続的に学習して信頼性を高め、時間の経過とともにリスクを軽減できるようにします。
Colwell 氏は、AI における最大の課題は、「間違った」応答が必ずしもバグではなく、単なるデータ ポイントにすぎないことであると詳しく説明しました。従来のソフトウェアでは、バグを修正しても、正しく修正されていれば再発することはありません。 AI では、次のことを保証できません。
「カスタマー サポート チャットボットを例に考えてみましょう」と Colwell 氏は語ります。
「テスト中、誰かが質問をし、ボットが間違った回答をする可能性があります。従来のワークフローでは、テスターがバグを報告します。突然、何千もの「バグ」が発生します。しかし、AI は確率論的であるため、通常の意味では修正できません。これは、推測を行う数学の大きな塊です。」
AIを使用すべきではない場合
Tricentis が顧客に教える最初のフィルターは、「そもそも AI を使用すべきか?」というものです。 Colwell 氏によると、ユースケースで永続的なエラーが許容できない場合、AI は適切なツールではありません。
「創薬や人材採用では、たった 1 つの間違いでも壊滅的な結果を招く可能性があります。これに対し、AI が生成したコードは人間がレビューし、パイプラインがエラーをキャッチし、システムが検証を念頭に置いて設計されているため、より安全な使用例です。」
AI がスタートアップを巨大企業に変える
Tricentis の顧客ベースは主に大企業であり、広大で複雑な技術スタックを抱えており、問題が発生した場合に最も多くを失うことになります。
彼らはまた、機敏な AI スタートアップによって破壊されることを最も不安にしている人々でもあります。コルウェル氏は、多くの大企業は3人からなる新興企業に怯えていると主張する。
「AI のおかげで、小さなチームがほぼ一夜にして大企業に見えるようになるのです。私たちは、数十億ドル規模の組織が、提供するもののスピードと洗練さで突然競争力が増したため、これらの新規参入者に顧客を奪われてきたのを見てきました。」
企業にとっての問題は、技術的負債とレガシー システムが重荷になっていることです。彼らは、顧客が若い競合他社にこれほど急速に流出するのを見たことがありません。ほとんどの AI スタートアップは長期的に生き残ることはできませんが、彼らが引き起こす混乱は現実のものです。
「バイブコーディング」: 良いアイデアだがひどい名前
そしてもちろん、私はバイブコーディングに関するコルウェルの株を手に入れたかったのです。名前はひどいですが、コンセプトは本物だと彼は笑いました。
「私たちは社内で AI コーディング プログラムを実行しましたが、2 つのまったく異なる結果が得られました。あるエンジニアはほぼすべてを AI に任せました。彼は生産性が非常に高く、大量のコードを出荷しているように見えました。
しかし、私たちがそれをレビューしたところ、彼があまりにも多くの制御を放棄したため、コードの多くは低品質でした。
一方で、フィードバック ループ、文書化、レビューを備えた AI コーディングを中心としたプロセスを構築したチームでは、はるかに優れた結果が得られました。
彼らは AI にその推論を説明させ、受け入れ基準を文書化し、出力が元の計画と一致するかどうかをループバックしてチェックしました。それが信頼できる結果をもたらしました。」
つまり、教訓は次のとおりです。AI コーディングは、プロセス、文書化、検証に重点を置き、仕事のやり方を変えることです。コルウェルはこう主張する。
「この方法で実行すると強力ですが、下手に実行すると大惨事になります。」
開発者の「盗まれた世代」
私は、特に初期キャリアの職の失業率が高いヨーロッパの多くの都市で、労働力に参入する若い開発者にとって AI が何を意味するかに常に興味を持っています。
コルウェル氏によれば、現在、私たちは微妙なバランスを保っているという。
「若いエンジニアは新しいツールにすぐに適応しますが、「良い」コードがどのようなものかを常に認識しているわけではありません。経験豊富なエンジニアは品質を知っていますが、新しいパラダイムに適応するのに苦労することがあります。この 2 つを組み合わせることで、強力な成果が生まれます。」
彼は、さらに先を見据えて、従来の学習経路を転換すると信じています。
「今日、若手開発者は、設計を信頼されるようになるまで、バグを修正したり、小さな機能を書いたりして学習することに何年も費やしています。
将来的には、AI が低レベルのコーディングの多くを処理するようになるため、人々は最初にデザイン パターンとアーキテクチャを学ぶかもしれません。
しかし、コルウェル氏はまた、同氏が「盗まれた世代」と呼ぶ人々、つまりAIによって関連性が薄れるコーディングスキルの訓練を受けているが、より高度な設計思考を学んでいない開発者たちについても懸念を表明した。
「彼らは再スキルを習得する必要がありますが、それは簡単ではありません。Tricentis では、防御力はもはやコードにあるのではなく、AI によってコードがほぼ使い捨てになることに気づきました。
外堀はデータ、配信、顧客の信頼です。コードはすぐに再現できますが、現実世界のデータや信頼できる顧客関係は再現できません。だからこそ、企業はデータを非常に保護しており、私たちが透明性を重視しているのです。」
ERP のオーバーホールからエージェント的な AI ワークフローまで
AI ファーストの進化に関して、Tricentis は 3 つの主な焦点を当てています。
自律型テスト — 基本的に、AI が実行を処理している間、ユーザーがプロセスをガイドできるようにします。 「私たちは『キーボードに手を置く』テストを廃止したいと考えています。」
ERPの置き換えと検証: 「多くの企業は、膨大な技術的負債やベンダーロックインに悩まされながら、クラウド ERP システムに移行しています。私たちは、こうした移行のテストと検証を支援することに大きなチャンスがあると考えています」と Colwell 氏は語ります。
エージェントのコーディングと検証 — Colwell 氏は、市場のギャップは AI コーディングだけではなく、AI 検証にもあると主張しています。
「コードを作成する同じ AI にテストもさせることはできません。同じ誤った仮定を引き継ぐことになるからです。私たちは、モデル コンテキスト プロトコルなどのプロトコルを通じて通信する、別々の AI を使用したアプローチを開発しました。1 つはコードを作成し、もう 1 つはコードをテストします。この分離により、開発者とテスターの考え方が異なる人間のチームと同じダイナミクスが生まれます。」
Tricentis AI ワークスペースは、ソフトウェア ライフサイクル全体にわたって AI エージェント、ワークフロー、ガバナンスを管理するためのエンタープライズ グレードの環境を提供します。
2026 年に登場するこのインテリジェント ワークスペースにより、組織は次のことが可能になります。
- Tricentis、パートナー、またはサードパーティの AI エージェントをオンボーディングして調整します。
- 責任ある AI 運用のためのガバナンスとセキュリティ ポリシーを定義します。
- Jira、GitHub、ServiceNow などのツールを使用して SDLC ワークフローに直接統合します。
- 統合されたダッシュボードを通じてエージェントのパフォーマンスとコンプライアンスを監視します。そして
- 品質エンジニアリングを自律的に拡張し、チームがより価値の高い取り組みに集中しながらエージェント AI の「労働力」を管理できるようにします。
AI ワークスペースは、Agentic Test Automation (Tosca)、Quality Intelligence (SeaLights)、Test Management (qTest)、Performance Engineering (NeoLoad) を含む Tricentis のエージェント ポートフォリオを統合し、これらはすべて Model Context Protocol (MCP) サーバーを通じて接続されており、AI システムとエンタープライズ ツールチェーンにわたる安全で柔軟な相互運用性を実現します。