AIエージェント能力アトラス › 仕事ごとの一覧 › ソフトウェア開発 › レビュー・テスト・品質保証

テストコード自動生成・カバレッジ向上

Automated test generation and coverage improvement

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

定型的なユニットテスト生成はミドル〜シニア相当のスピードと網羅性

できること

数か月かかっていたカバレッジ20%→80%への引き上げを数週間未満で達成、ミューテーションテストでテスト強度も検証

まだできないこと

『何をテストすべきか』というテスト戦略そのものの設計、ビジネス的に重要なエッジケースの特定

なぜそうなのか

既存コードから機械的に到達可能なパスの網羅は得意だが、要件外の重要シナリオの発想は弱い

これからの予測の根拠

カバレッジ最大化は測定可能な目標のため改善が速く、2028年には機械的網羅性はほぼ飽和すると予測

いま使える主な道具

TestSprite、Diffblue Cover、Qodo

根拠

• AI in Software Testing: What Works in 2026 2026-04
  チームがカバレッジ20%から80%への到達を数か月から数週間に短縮
• Ultimate Guide - The Best AI Test Coverage Solutions for Startups of 2026 2026-03
  TestSpriteがGPT/Claude/DeepSeek生成コードのテスト合格率を1回の反復で42%→93%に改善

同じ分野のほかの仕事（レビュー・テスト・品質保証）

• コードレビュー（PRレビュー）
• E2E/UIテスト自動化・保守
• 生成したコードの正しさを自己検証する（セルフレビュー）

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。