自動テストAIツール「MLET」の紹介

MLETの開発背景

金融機関における大規模で無数にあるフラジャイルなシステム構成に依存してしまうコスト増加傾向の問題意識は長年の課題です。大手金融機関は離合を繰り返したことで、その過程で統合や離散されたシステム相互間における依存性も高く、ほんの少しの仕様変更や仕様追加から発生するリグレッションテスト(退行テスト)負荷は、どの金融機関においてもシステム開発工数増加の一因となっております。
原因を深屈すると、リグレッションテストにかける工数の主たる要因は準備工数(テストデータ、テストスクリプト、テストシナリオ(含むケース)作成にかける工数)でもあると仮定されます。
その仮定を是とするなら、準備工数に人手を如何にかけないか、またテスト自体を自動化することで問題の一翼は解決するところから弊社ソリューションは動き出しました。

金融機関にかかわらず、膨大なシステム設計のドキュメントから機械学習エンジンにて準備工数の削減を目指し、この度自動テスト用機械学習エンジンを開発・自動テストAIツール「MLET」をリリースいたしました。

 

MLETの特徴

MLETの特徴は、①テストに関わる成果物の作成、②それを元にテスト自動化ツールと連携したテスト実施を自動で行うことが可能であることです。

ウォーターフォールモデル

これまでウォーターフォールモデルで作成されるテストケース、テストシナリオ、テストデータは、その多くが経験者の感覚や業務的知識を要することもあり、手間やミスが多発し、テストに多くの時間と工数を要します。MLETはそのテスト観点を事前にまとめ、確認することから、テストをMECE(もれなくダブりなく)に管理することが可能です。またテスト自体をアジャイル的に行うことができるため、テスト結果を確認した上で観点を追加、更新し、御社のシステムに合わせたテストツールに成長いたします。

 

アジャイル式開発

これは大規模システムの結合テストやリグレッションテスト以外にも、アジャイル式で開発されるスマホアプリやスタートアップシステムでもその効果を発揮します。

アジャイル式開発のメリットは、そのスピード・スケジュール感です。一方で、スケジュールを意識するあまり、テスト自体があやふやになり、新しいバージョンで退行していることも散見されます。そういった問題を解決するために、MLETはアプリに合わせたテストを標準化し、アプリの品質を保証します。また大規模バージョンアップが行われた場合には、テスト観点見直し、新たなテスト標準を作ることが可能です。

 

 

 

利用例: あるシステム保守の退行テスト

MLETを活用した事例として、保守案件で年間約10人月程度のリグレッションテスト(退行テスト)を3人月以下の作業に圧縮。その圧縮分のリソースを他案件に回すことが可能となりました。