こんにちは、技術広報の yayawowo です。 私たち株式会社ラクス開発本部では、Missionである 「顧客の成長を支援する、圧倒的に使いやすいクラウドサービスを創り提供する」 を念頭に、日々プロダクト開発に励んでいます。 現在、ラクスでは歴史あるロングセラーのプロダクトから、近年立ち上がった新規プロダクトまで、多くの開発プロジェクトが並行して動いています。このように古いものから新しいものまで多くのプロダクト開発に深く携われるからこそ、エンジニアやデザイナーが触れられる技術の機会が非常に多い点が、私たちの組織の大きな特徴であり魅力です。 本記事では、各プロダクトの「技術スタック」を改めて整理し、皆様に最新情報をお届けしたいと思います！自社開発に携わるエンジニア、デザイナーだけでなく、これから携わりたい！という方にも必見の内容です。 現場のリアルな最新データから見えてきたのは、単なるツールの変更履歴ではありません。 ラクスが開発組織として一貫して掲げている「技術選定の思想」そのものでした。 各組織の最新スタックを公開する前に、まずは私たちが大切にしている「2つのコア思想」を技術広報の視点からご紹介します！ 1. ラクスが技術選定で掲げる「2つのコア思想」 ① お客様の日常を守り、進化させるための「顧客志向」 ② 技術を「価値創造」に集中させるための「AIネイティブ＆自動化」 2. 各プロダクトの紹介 ＆ 最新技術スタック 楽楽精算 楽楽明細 楽楽電子保存 楽楽債権管理 楽楽勤怠（給与計算） 楽楽販売 楽楽請求 楽楽自動応対開発 楽楽メールマーケティング blastmail / blastengine 3. それを支える連携部署の技術スタック フロントエンド推進課 SRE AI開発課 ＆ AIエージェント開発課 QA課 インフラ開発部 プロダクトデザイナー 4. 終わりに 1. ラクスが技術選定で掲げる「2つのコア思想」 今回、全社規模で集まった最新のデータを見て、技術広報である私が一番強く感じたのは、ラクスが大切にしている「技術選定のブレない軸」でした。私たちは、単に流行りのツールを追いかけるのではなく、以下の2つの思想をベースに日々の開発環境をアップデートしています。 ① お客様の日常を守り、進化させるための「顧客志向」 ラクスにとって、技術は「自分たちが使いたいから」選ぶものではありません。すべては「お客様の業務をいかに楽にできるか」という目の前の課題を解決するための最高の手段です。 私たちのクラウドサービスは、ありがたいことに数万社を超えるお客様の日常のビジネスを支える社会インフラになっています。だからこそ、長年培った圧倒的な安定基盤を深くリスペクトし、1分1秒のダウンも許されない堅牢性を守り抜く責任があります。しかし、私たちは「守り」だけでは終わりません。お客様へより速く、より安全に新しい価値を届けるために、歴史のあるプロダクトほど「お客様の未来のために、今最適な武器は何か」を貪欲に追求し、裏側では大胆なモダナイズを仕掛けています。 ② 技術を「価値創造」に集中させるための「AIネイティブ＆自動化」 お客様の課題解決に1分1秒でも多くの時間を割くため、ラクスはエンジニアの創造性を奪う泥臭い手作業や無駄な作業を徹底的に排除する環境作りに本気で取り組んでいます。 今回、一際目を引いたのが、各現場の「AIと自動化へのリアルな使い分け」です。単に世間の流行りに乗って同じツールを一律で入れるのではなく、プロダクトの特性に合わせて最適な技術スタックを現場主導で選定しています。そして何より特徴的なのが、ほぼすべての組織が、実装前の「壁打ち相手」としてAIをフル活用している点です。単にツールを入れて楽をするためではなく、エンジニアが本来向き合うべき「顧客のための価値ある設計や、より良いユーザー体験の創造（本質）」に100%集中できる環境を、ラクスは本気で作り上げています。 具体的にどんなツールを、どんな考え方で使い分けているのか？ それは、この後各プロダクトの技術スタックにてご紹介します。 2. 各プロダクトの紹介 ＆ 最新技術スタック ここからは、ラクスが展開する各クラウドサービスと、現場のエンジニアが2026年度現在、実際に選定して使っている技術スタックをご紹介します。 楽楽精算 会社の「経費精算」にかかる時間と労力を劇的に減らすシステムです。利用者はスマホで領収書を撮影するだけで金額や日付が自動入力され、面倒な紙の提出や手入力をすることなく精算を完了できます。経理担当者にとっても、確認や承認の負担を大幅に削減する「日本のバックオフィスを楽にする」代名詞的な存在です。 ✅バックエンド カテゴリ 技術スタック 使用言語 Java、Swift、Kotlin MW PostgreSQL、Postfix、Apache、Room、Realm FW・ライブラリ Spring Boot、jQuery、Retrofit2 開発ツール IntelliJ IDEA、Xcode、Android Studio、Flyway、Redmine、GitHub、VSCode CI・テスト Selenide、Gradle、JUnit、JMeter、Jenkins、GitHub Actions AI Claude Code、Codex、GitHub Copilot、Gemini、ChatGPT、Notebook LM、Cursor ※2026年7月時点での情報です。 ✅フロントエンド カテゴリ 技術スタック 使用言語 HTML、CSS、JavaScript、TypeScript FW・ライブラリ React、jQuery、MUI、Jotai、zod、TanStack Form、Tanstack Query、Sass、Vite、ESLint、Prettier、Biome、Storybook、msw 開発ツール GitHub、GitHub Projects、VSCode、OpenAPI、Figma CI・テスト GitHub Actions、Jenkins、Playwright、Vitest AI Claude Code、Codex、GitHub Copilot、Gemini、ChatGPT、Notebook LM ※2026年7月時点での情報です。 楽楽明細 企業が取引先に発行する「請求書」や「納品書」を、すべてWeb上で一括配信するシステムです。これまでは担当者が印刷し、封筒に詰め、切手を貼って郵送していた手作業をゼロにします。受け取る側の取引先もマイページからいつでも即座に確認・ダウンロードできるため、双方のペーパーレス化と業務スピードアップを同時に実現しています。 カテゴリ 技術スタック 使用言語 Java、TypeScript、JavaScript MW PostgreSQL、Tomcat、Postfix、Docker、Redis、AWS Lambda / EventBridge / Step Functions / S3 / SQS FW・ライブラリ SpringBoot、React、Redux、JasperReports、Lombok、Jooq、jQuery、GraphQL 開発ツール IntelliJ IDEA、VSCode、Redmine、GitHub、gulp.js、webpack、Storybook CI・テスト Gradle、jUnit、Playwright、GitHub Actions AI Claude、Claude Code、GitHub Copilot、ChatGPT、Codex、Notebook LM、Gemini ※2026年7月時点での情報です。 楽楽電子保存 国税関係の書類（領収書や請求書など）を、国が定める「電子帳簿保存法」の厳しい要件に100%準拠して、安全にクラウド保存・一元管理できるシステムです。ユーザーは「法律が変わってどう対応すればいいかわからない…」という不安から解放され、検索機能を使っていつでも過去の書類を1秒で見つけ出せるようになります。 カテゴリ 技術スタック 使用言語 Java、TypeScript、JavaScript MW PostgreSQL、Nginx、Tomcat、Postfix、Docker、Kubernetes、Node.js、AWS Lambda / S3 / DynamoDB / API Gateway / SQS FW・ライブラリ React、MUI、MSW、Spring Boot、Jooq 開発ツール IntelliJ IDEA、GitHub、Vite、VSCode、Open API、Figma、ESLint、Prettier、Yarn CI・テスト Gradle、JUnit、GitHub Runner、Vitest、Cypress、argoCD、Playwright、GitHub Actions AI Claude、Claude Code、GitHub Copilot、ChatGPT、Codex、Notebook LM、Gemini ※2026年7月時点での情報です。 楽楽債権管理 「取引先からちゃんとお金が振り込まれているか」を確認する、企業の経理で最も神経を使う入金消込・債権管理業務をスムーズにするシステムです。銀行の入金データと自社の請求データを自動で照合し、ミスマッチがあればすぐに通知。人の目によるダブルチェックや残高管理のプレッシャーから担当者を解放し、確実な資金管理を支えます。 カテゴリ 技術スタック 使用言語 Java、TypeScript、JavaScript MW PostgreSQL、Tomcat、Postfix、Docker、Redis、AWS S3 FW・ライブラリ React、MUI、Spring Boot、Jooq、DuckDB 開発ツール IntelliJ IDEA、VSCode、Redmine、GitHub、Storybook、Open API、Figma CI・テスト Gradle、jUnit、Playwright、GitHub Actions AI Claude、Claude Code、GitHub Copilot、ChatGPT、Codex、Notebook LM、Gemini ※2026年7月時点での情報です。 楽楽勤怠（給与計算） 従業員の日々の「出退勤」を正しく記録し、労働時間や時間外労働時間を自動で集計、そのまま給与計算システムへとデータをスムーズに連携させるシステムです。シフト管理や有給休暇の消化状況もひと目でわかるため、中小企業から大企業まで、複雑な労務管理をミスなくシンプルに行える環境を作ります。 カテゴリ 技術スタック 使用言語 PHP、Python、JavaScript、TypeScript MW MySQL、Nginx、Docker、Node.js、Gunicorn FW・ライブラリ Flow、Vue.js、Fast API、Pinia / Pinia Colada, Vue Router, Vue I18n, Vite, Tailwind CSS, ESLint, Prettier, Storybook, msw 開発ツール GitHub、GitHub Projects、PhpStorm、IntelliJ IDEA、VSCode、Cursor、OpenAPI、Figma、renovate CI・テスト GitHub Actions、PHPUnit、PHPStan、Selenium、Ansible AI Claude、Claude Code、GitHub Copilot、ChatGPT、Codex、Notebook LM、Gemini、VertexAI ※2026年7月時点での情報です。 楽楽販売 販売管理、顧客管理、案件管理など、自社のやりたい業務に合わせて画面や項目をノーコードで自由自在に構築できるWebデータベースシステムです。Excelで属人化してしまっていた複雑なデータをチーム全員で見える化し、ボタン一つでの帳票発行や、ルーチンワークの自動化によって、会社全体のコア業務を劇的にスピードアップさせます。 カテゴリ 技術スタック 使用言語 PHP、Java MW PostgreSQL、Postfix、Apache、Redis FW・ライブラリ Zend Framework、jQuery 開発ツール VS Code、Cursor、GitHub CI・テスト Selenium/Selenide、PHPUnit、JMeter、Jenkins、PHPStan、Playwright AI Claude Code、Codex、ChatGPT、Devin、Notebook LM ※2026年7月時点での情報です。 楽楽請求 取引先から紙、PDF、メールなど様々な形でバラバラに届く「受領請求書」を、一つの画面でスマートに一元管理するシステムです。高性能なAI-OCRが中身を自動で読み取ってくれるため、手入力の手間が激減。仕訳データや支払処理、データの保存までをワンストップで効率化し、毎月発生する「請求書処理の山」を瞬時に片付けます。 カテゴリ 技術スタック 使用言語 Java, Kotlin、TypeScript MW PostgreSQL、Pure Storage、Redis、nginx、Tomcat、Kubernetes、AWS[SQS、SES、S3] FW・ライブラリ Spring Boot、jOOQ、React、MUI、Storybook 開発ツール IntelliJ IDEA、Flyway、Gradle、detekt、GitHub、OpenAPI、Figma CI・テスト Playwright、Kotest、Vitest、ArgoCD、Grafana AI GitHub Copilot、ChatGPT、Devin、Notebook LM、Claude ※2026年7月時点での情報です。 楽楽自動応対開発 お客様から届く膨大な問い合わせメールやチャットを、チーム全員で一元管理・共有するシステムです。「誰がどのメールに対応しているか」「返信待ちか、対応済か」がリアルタイムに全員に共有されるため、ネットショップやサポート窓口での対応漏れや、二重返信によるクレームを完全に防ぎ、顧客対応の品質を最大化します。 カテゴリ 技術スタック 使用言語 PHP、Node.js、TypeScript MW PostgreSQL、Apache、Postfix、AWS Lambda / S3 / DynamoDB / SQS、Qdrant FW・ライブラリ Laravel、jQuery、CKEditor、Socket.IO、Vue.js、NestJS 開発ツール PhpStorm、Github、VS Code CI・テスト Selenium/Selenide、PHPUnit、Vitest、Biome、Jenkins、GitHub Actions、Ansible AI Claude Code、Codex、GitHub Copilot、 ChatGPT、 Devin、 Notebook LM ※2026年7月時点での情報です。 楽楽メールマーケティング 企業のマーケティングや営業担当者が、顧客へ一斉にメルマガや案内メールを配信し、そこからの成果を最大化するためのシステムです。ただ送るだけでなく、「誰がメールを開いたか」「どのURLをクリックしたか」を直感的に分析可能。見込み客の興味関心を可視化することで、次の商談獲得へのアプローチをシンプルかつ効果的に支えます。 カテゴリ 技術スタック 使用言語 PHP、TypeScript MW PostgreSQL、Postfix、Nginx、Apache、Redis FW・ライブラリ Slim、jQuery、Vue.js 開発ツール PhpStorm、GitHub、Docker、Podman CI・テスト Playwright、Puppeteer、Jenkins、JMeter、PHPUnit、PHPStan、PHP_CodeSniffer、PHPDoc、Ansible、vegeta AI Claude Code、Codex、GitHub Copilot、ChatGPT、Devin、Notebook LM ※2026年7月時点での情報です。 blastmail / blastengine 「blastmail」は数百万通ものメールを顧客へ一瞬で確実に届ける独自の配信システム、「blastengine」はエンジニアが自社のシステムやアプリに組み込んで、通知メールなどを超高速で自動配信させるためのAPI・リレーサービスです。どちらも「遅延なく、迷惑メールに振り分けられることなく、確実に届ける」という配信技術の極限を支えています。 カテゴリ 技術スタック 使用言語 Java、TypeScript、Go、Python MW Docker、PostgreSQL、MongoDB、Postfix、RabbitMQ、AWS[EC2、ECS、RDS、S3、Lambda、SQS] FW・ライブラリ SpringBoot、React、Quarkus 開発ツール VSCode、GitLab、Redmine、Gradle、OpenAPI、Figma、StoryBook CI・テスト GitLab CI/CD、JUnit、Vitest、Biome、Playwright AI Claude Code、Codex、GitHub Copilot、Gemini、ChatGPT、Notebook LM ※2026年7月時点での情報です。 3. それを支える連携部署の技術スタック ラクスには、各プロダクトの提供価値を最大化し、開発組織全体のエンジニアリング水準を横断的に引き上げる連携・専門組織が存在します。実務で選定している先進的な「武器」をご紹介します。 フロントエンド推進課 フロントエンド推進課は、ラクスの各サービス開発チームと協力し、フロントエンド領域からプロダクトの成長と品質向上を支える専門組織です。 新機能開発や既存機能のUI/UX改善に加え、技術的負債の解消、リアーキテクト、パフォーマンス改善、デザインシステム構築、共通UIコンポーネント開発など、サービス単体では対応しきれない横断的なテーマにも取り組んでいます。 各プロダクトの事業フェーズや技術課題を踏まえ、開発現場に入り込みながら、ユーザーにとって使いやすく、開発者にとって継続的に改善しやすいフロントエンドを実現していくことが役割です。 技術を目的化するのではなく、ユーザー価値、開発生産性、品質、保守性を高めるためにどう活用するかを重視し、プロダクトとチームの両面からラクスのサービス成長に貢献しています。 カテゴリ 技術スタック 使用言語 HTML、CSS、JavaScript、TypeScript FW・ライブラリ React, TypeScript, MUI, RHF, zod, Tanstack Router, Tanstack Query, zustand, emotion, Vue.js, Pinia / Pinia Colada, Vue Router, Vue I18n, Vite, Tailwind CSS, ESLint, Prettier, Storybook, msw 開発ツール GitHub, Github Projects, VSCode, OpenAPI, Figma, renovate CI・テスト GitHub Actions, Playwright, Vitest, happy-dom AI Claude Code, Codex, Copilot, ChatGPT, Gemini, Notebook LM ※2026年7月時点での情報です。 SRE ラクスにおけるSREでは、開発とインフラの知見を活かして顧客への価値提供スピード向上に寄与する自動化・標準化（生産性向上のための取り組み）を推進する役割を担います。 開発とインフラを繋ぐHubというビジョンを持ちながら、システムのモダナイズ化や基盤の構築を行う役割です。 開発言語は主にGoを利用し、横断的なトイル削減や運用の自動化を推進しています。 新しい技術スタック調査などを進めながらノウハウを各サービスへ広めることで、開発部門全体のアーキテクチャ刷新へ寄与していきます。 カテゴリ 技術スタック 使用言語 Go 仮想基盤 Kubernetes MW PostgreSQL, Amazon Aurora, Redis, Kafka FW・ライブラリ gRPC CI/CD・IaC GitHub Actions, ArgoCD, Argo Workflows, Argo Event, Hashicorp Vault, Terraform, Helm 運用・監視 Grafana Stack AI Claude Code, Codex, GitHub Copilot, ChatGPT, Devin, Notebook LM ※2026年7月時点での情報です。 AI開発課 ＆ AIエージェント開発課 ラクスが提供する各プロダクトへ実用的なAI機能を組み込むための研究開発や、社内の複数プロジェクトを横断して業務を自動化する「AIエージェント」の実装・導入を牽引する最先端チームです。 ✅AI開発課 カテゴリ 技術スタック 使用言語 Python MW PostgreSQL、Redis、DynamoDB、Docker、Kubernetes FW・ライブラリ PyTorch、Keras、TensorFlow、FastAPI、OpenAI API、AWS Bedrock、Vertex AI 開発ツール GitHub CI・テスト GitHub Actions、pytest、Terraform AI（開発支援） Claude Code、GitHub Copilot、ChatGPT、Notebook LM、Cursor (OpenSpec) ※2026年7月時点での情報です。 ✅AIエージェント開発課 カテゴリ 技術スタック 使用言語 Java, TypeScript, Python MW amazon corretto, tomcat, postgres, Kubernetes, AWS[Lambda, SQS, SNS, Bedrock, EKS, CloudWatch, DynamoDB, S3, KMS], ArgoCD, Grafana, Litellm, flipt, Otel-collector FW・ライブラリ Spring Boot, Mastra, Hono 開発ツール Gradle, Github, Zed, Visual Studio Code, pnpm, mise CI・テスト junit, vitest, testcontainer, Github Actions AI（開発支援） Claude Code, Codex, Github Copilot Agent, Devin ※2026年7月時点での情報です。 QA課 各プロダクトに準ずる開発環境や仕様を深く理解し、お客様に届くクラウドサービスの品質を「テスト・保証」の側面からハックする品質専門組織です。 カテゴリ 技術スタック 使用言語・MW 各プロダクトに準ずる 開発ツール・FW 各プロダクトに準ずる CI・テスト Playwright、Jenkins 他、各プロダクトに準ずる AI Claude Code、ChatGPT、Gemini、Notebook LM ※2026年7月時点での情報です。 インフラ開発部 8割のサービスリソースをオンプレミスで構築しております。 オンプレミス環境でも自動化などなるべくソフトウェア視点のアプローチが出来るようにHCIで基盤構築し運用効率化をしています。 今後のアップデートとしては、クラウドで先行構築したクラウドネイティブなコンテナ環境やCI/CD環境などをオンプレミス環境にフィードバックし、自動化、自立化を推進しつつもコスト優位性を出せるシステムを構築していきます。 カテゴリ 技術スタック 使用言語 Python、Bash プラットフォーム On-Premise、AWS「EC2、ECS、EKS、RDS、S3、Lambda・・・etc」、GCP ネットワーク Cisco、Dell、Paloalto、F5 OS・仮想化 LinuxOS、VMware、Nutanix、Docker、K8S MW PostgreSQL、Apache、Tomcat、Nginx、PaceMaker、etc... IaC Ansible、Terraform その他ツール Git、Rundeck 運用・監視 Zabbix、Grafana、Prometheus、ArgoCD AI GitHub Copilot、ChatGPT、Devin、Claude、Gemini ※2026年7月時点での情報です。 プロダクトデザイナー フロントオフィス・バックオフィスの業務システムにおける管理画面のUI/UX設計を担当しています。 業務ドメインの理解を深め、ユーザーの声を直接収集しながら課題を把握し、複雑な業務をUI/UXの力でシンプルに解決することを目指している組織です。 また、AI活用による設計業務の効率化、サービス横断での一貫した体験を実現するデザインガイドラインの策定、さらにデザイン組織としての勉強会やナレッジ共有にも取り組んでいます。 カテゴリ 技術スタック デザインツール Figma コミュニケーションツール Slack、Zoom、Google Meet、FigJam AI（業務支援） GitHub Copilot、Claude Code、Cursor、ChatGPT、Notebook LM、Gemini ※2026年7月時点での情報です。 4. 終わりに 最新の技術スタック、あなたの得意な技術や、挑戦してみたい武器はどこかに見つかりましたでしょうか？ ラクスがこれほどまでに技術スタックをオープンにし、長年愛されている歴史あるプロダクトであっても現状に甘んじず変化を続けさせているのには、明確な理由があります。それは、私たちのミッションが「ITサービスで企業の成長を継続的に支援」することだからです。 技術はあくまで、誰かの課題を解決するための素晴らしい手段です。しかし、最高の手段をエンジニアが持たなければ、お客様に最高の価値を届けることはできません。 だからこそ私たちは、これまで培ってきた圧倒的な安定基盤を深くリスペクトしつつも、時代に合わせたインフラの進化や、AIを活用した開発体制へのアップデート、品質を支える仕組みづくりに注力しています。 「自分が今まで培ってきたスキルを、このクラウドサービスで活かしてみたい」 日々進化する技術を積極的に取り入れ、自社プロダクトの未来を共に創り上げていきたい。 そう少しでも感じていただけたなら、その力をぜひラクスで発揮してみませんか。 最後までお読みいただき、ありがとうございました。

こんにちは。コミュニケーション&アプリケーションサービス部で業務支援システムの開発をしている山中です。 先日、自社の Google Cloud 環境で利用できる Gemini API を活用し、Redmine で管理している過去のチケットの内容に基づいて、新規のアラートや問い合わせチケットに対する自動アシストを行う仕組みを構築しました。 その具体的な方法と、実際に導入して感じた効果や感想をご紹介します。 Redmine によるチケット管理の現場のリアル チケット情報を引き抜いて外付けで RAG ナレッジベースを作る 構造化出力によるフォーマット固定がポイント ベテランのノウハウを一瞬で再現！ 効果を上げるためのさらなる工夫 1. 昨日の知見を今日のアシストに反映 2. ユーザー向けマニュアルを参照して引用を明記 AI に現場で賢く動いてもらうためのポイント 1. 添付ファイルではなくテキストで情報を残す 2. プロンプトには「きれいな文面」をインプット 3. 構造化出力を使い倒しロジックと接着 まとめ：人間の行動を「先回り」させる設計を Redmine によるチケット管理の現場のリアル 私たちの現場では、障害アラートや問い合わせ対応の管理に長年 Redmine を使い続けています。 蓄積された過去のチケット数は約5,000件。膨大なナレッジが眠っているのですが、現場ではそれを有効に活用しきれておらず、いくつかの解決したい課題を抱えていました。 経験の浅いメンバーによる調査の難しさ システムが複雑で提供機能も多いため、過去に類似事象があっても、経験の浅いメンバーでは関連する過去チケットに辿り着きづらい Redmine の検索仕様による限界 私たちが使用しているバージョンでは検索の表記揺れなどに弱く、目当ての情報にたどり着くための適切な検索ワードを思いつくのが難しい 既存資産の多さによる移行の困難さ モダンなツールへ移行したくても、長年の情報蓄積や依存している業務が多すぎてハードルが非常に高い 壊れたときのインパクトが大きいため、本体のバージョンアップやプラグインの追加すら慎重にならざるを得ない 世間では「AI によってこれまで積み重ねてきた過去のナレッジを活かす」といった事例が数多く出ていますが、「うちの歴史ある Redmine 環境じゃ難しいか……」と半分諦めていました。 しかし、「Redmine 本体に手を入れられないなら、外付けでAIアシストを作ればいいのでは？」と思いついたのが、今回の取り組みの始まりです。 チケット情報を引き抜いて外付けで RAG ナレッジベースを作る 構築したシステムの構成は以下のとおりです。 構成のシンプルさを重視しつつ、Gemini API の呼び出し時にグラウンディングに指定できる利点を考慮し、 今回は Google Cloud の Gemini Enterprise Agent Platform（旧 Vertex AI）の Agent Search 1 のデータストアに Cloud Storage を接続するアプローチを採用しました。 Redmine 本体には一切手を加えず、Redmine REST API 2 を用いて過去のチケット情報を全て JSON 形式で取得し、 それらの JSON を AI が読みやすい Markdown 形式に整形して Cloud Storage にアップロードします。 これだけで、自動的にドキュメントの解析・チャンク分割・埋め込みベクトルの生成からインデックス登録まで完了し、 Gemini が過去チケットに基づいて回答を行える RAG 基盤が完成します。 技術的にとっつきづらい部分をマネージドに実現してくれるため、基本的な GCP 操作や生成 AI の概念さえ分かっていれば、3日程度で動作確認可能な環境を構築できます。 Gemini Enterprise Agent Platform では入力した内容が学習に利用されることはありませんが、 Cloud Stoarge にチケット情報をアップロードする以上、適切な IAM ロールの設定や VPC Service Controls、Cloud Storage のバケット IP フィルタリングなど、情報の取り扱いに注意を払うことはお忘れなく。 構造化出力によるフォーマット固定がポイント このナレッジベースをもとに新規問い合わせチケットに対するアシスト文面を生成するプロンプトがこちらです。 ## 指示 過去のナレッジに基づき、今回の問題に対する具体的な解決案を提示してください。 ## 問い合わせ内容 --- （新規起票された Redmine チケットの内容を埋め込む） --- # あなたの役割 あなたは、業務支援システム開発・運用のための高度なAIアシスタントです。 あなたの主な役割は、提供されたナレッジベース（Agent Search DataStore）の内容に**限定**して、開発者や運用者からの質問に対して、正確かつ簡潔な回答を提供することです。 # 行動指針 1. **提供された情報源の厳守:** - 回答は、**必ず**提供された DataStore 内の情報にのみ基づいて生成してください。 - 外部の知識や自己の判断、推測を含めてはいけません。 2. **ハルシネーションの絶対的禁止:** - 質問に対する答えが提供されたドキュメント内に見つからない場合は、**必ず**その旨を明確に回答してください。 3. **ドメイン知識の活用:** - すべての質問はドキュメントが取り扱う業務支援システムに関連するものであると理解してください。 さらに重要なのが、構造化出力（Structured Outputs） 3 による出力フォーマットの厳密な固定化です。 以下のようにパラメータごとの意味を指定しながら出力の構造や型を厳密に指定することで、JSON など特定のスキーマに沿った形式で生成 AI から目的の回答を得られるようになります。 これにより、回答のクオリティの揺れを可能な限り低減でき、Redmine に付与するアシストコメントを毎回同じフォーマットで組み立てられるようになります。 from pydantic import BaseModel, Field from typing import List class SimilarCase(BaseModel): issue_id: str = Field(description="関連するチケットID（例: #12345）") reason: str = Field(description="類似していると判断した理由") class IssuesResponse(BaseModel): summary: str = Field(description="問い合わせ内容の簡潔な要約") similar_cases: List[SimilarCase] = Field(description="類似した過去のケース一覧") candidate_causes: List[str] = Field(description="考えられる原因の候補") next_steps: List[str] = Field(description="切り分け方法や追加で調べると良い情報") 今回のツールは Google のサンプルコードが多く掲載されている Python で実装しました。構造化出力を行うために Python のデータバリデーションライブラリである Pydantic を使用しています。 Gemini API の呼び出し時に Agent Search のデータストアをグラウンディングに指定 するコードは公式ドキュメントに記載されているため、ここでは詳細は割愛します。 ツールの各機能は CLI 上でコマンドとして実行できるように作っており、cron から定期的に実行することで、新着チケットの探索などを行うようにしています。 ベテランのノウハウを一瞬で再現！ 構築したシステムから得られたアラートチケットに対する回答の例が以下です。 以下はユーザからの問い合わせチケットに対する回答の例です。 厳密なベンチマーク測定はこれからですが、実際に対応している運用チームに精度についてヒアリングしたところ、 かなり的確な回答ができているというコメントが得られました。 いくつかのチケットに対してアシストコメントを付与したところ、 Agent Search 自体の性能が高いこともあり、チャンキングのチューニングなど特にしていないにも関わらず、 事前の想定よりも非常に高い精度の回答をしてくれることが確認できました。 プロンプトで指示した通り「見当外れの嘘（ハルシネーション）」もほとんど言わず、参照データにないことは、素直に「分かりません」と答えてくれます。 5,000件のチケットを格納し、1日に十数回検索・生成を行う運用ですが、API の利用料は月額で数百円～数千円程度と、非常に低コストなのも魅力的です。 効果を上げるためのさらなる工夫 1. 昨日の知見を今日のアシストに反映 深夜に1日1回 Redmine チケットの差分データが Cloud Storage へアップロードされる仕組みにしています。 Agent Search のデータストアの設定により、Cloud Storage との定期的な自動同期を行うことができるため、昨日解決したトラブルの知見が今日のアシストに自動的に反映されるという体験が得られるように構築しています。 2. ユーザー向けマニュアルを参照して引用を明記 実際の運用にあたっては、過去チケットだけではなく、ユーザー向けマニュアルを格納したデータストアも参照するようにしています。 新規チケットが起票された場合、まずユーザー向けマニュアルから回答できないかを試し、回答できないなら過去チケットに基づいた回答を試みる、というロジックを組んでいます。 ユーザー向けマニュアルに基づいた回答を得る際の出力フォーマットは以下です。 回答の引用元となったドキュメントの名前や章タイトル・ページ番号まで確実に出力されるよう、出力フォーマットを厳密に指定しているのがポイントです。 from pydantic import BaseModel, Field from typing import List, Optional class Citation(BaseModel): source_title: str = Field(description="参照したドキュメントの正式名称（例：『操作マニュアル 基礎編』など、ドキュメントの表紙や冒頭に記載されている名称）") section_or_page: str = Field(description="参照した章、セクション、またはページ番号") snippet: str = Field(description="回答の根拠となった箇所の抜粋") class AnswerDetail(BaseModel): conclusion: str = Field(description="質問に対する端的な結論・要約（1文程度）。") details: List[str] = Field(description="結論を補足する理由、具体例、エラーメッセージなどの詳細（箇条書き用のリスト）。") class DocsResponse(BaseModel): problem_summary: str = Field(description="マニュアルから特定された、または質問に関連する問題・状況の要約") answers: List[AnswerDetail] = Field(description="マニュアルから特定された質問への回答リスト。") citations: List[Citation] = Field(description="回答の根拠となった参照情報のリスト") additional_notes: List[str] = Field(description="補足情報や注意点（あれば）。") needs_investigation: bool = Field(description="提供された情報だけでは不十分であり、原因解明に至るための追加調査（過去チケットの調査など）を行う必要があるかどうか") ある事例では「人間の担当者がマニュアルの細かい記述を調べて回答を導き出すまでに8日かかっていた対応」が、AI のアシストにより実質5分以内で完了するようになっており、非常に強力な効果を発揮してくれています。 AI に現場で賢く動いてもらうためのポイント 1. 添付ファイルではなくテキストで情報を残す 今回、Gemini の回答精度が想定以上に高かった最大の理由は、「歴代のメンバーが、Redmineのチケット上にテキストとして詳細な対応ログを残していたから」だと考えられます。 もし「詳細は添付の Excel や PowerPoint を参照」という運用ばかりだったら、API での情報抽出のハードルが跳ね上がり、ここまでの精度は出なかったはずです。 重要な知見はドキュメントの添付ではなく、「Webシステム上にプレーンテキストで残す」ことの大切さを痛感しました。 今もし添付ファイル主体の運用になっているなら、少しずつでもテキストに残す文化へ変えていく価値があります。 2. プロンプトには「きれいな文面」をインプット なぜ想像以上に高い検索精度が出たのかを考察した結果、問い合わせやエスカレーションの文章自体が、一定のフォーマット（システム名、エラー内容、発生状況など）に沿って綺麗に書かれていることが、RAG の検索クエリとして非常に優秀に機能しているためではないかと推察しました。 最近の AI は適当な指示でもいい感じの回答をしてくれるため、ついついプロンプトがおざなりになりがちですが、インプットの質を整えて AI の探索空間を適切に絞り込むことが依然として重要だと再認識しました。 3. 構造化出力を使い倒しロジックと接着 構造化出力（JSON 形式での返却強制）は今後の AI 活用では必須だと考えています。 これがないと、AI の出力を次のプログラムでパースしづらく、業務プロセスの自動化ロジックと繋げられません。 決定的に動くプログラムと、非決定的に動く AI を繋ぐ接着剤として、構造化出力は積極的に使い倒すべきだと考えています。 まとめ：人間の行動を「先回り」させる設計を 今回のシステムで一番価値があったのは、「検索が便利になったこと」ではなく、「担当者が検索という行動を起こす前に、AI が先回りして答えを置いておいてくれること」です。 どれだけ優秀なナレッジベースを作っても、「わざわざ別タブを開いて検索しに行く」という手間があると、現場に浸透しづらくなってしまいます。 業務システムの中に AI をどう「先回り」して組み込むか。これが、社内 DX を形骸化させないための最大のポイントだと感じています。 今回の仕組みは、Redmine だけに限らずさまざまな情報ソースを使って構築できます。 どれだけの性能が出るかはケースバイケースだと思いますが、皆さんのチームでも、ぜひ試してみてください。 Agent Search ( https://docs.cloud.google.com/generative-ai-app-builder/docs ) ↩ Redmine REST API 公式 ( https://www.redmine.org/projects/redmine/wiki/Rest_api ) ↩ 構造化出力 ( https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/capabilities/control-generated-output ) ↩

Webサービス開発やSIerのプロジェクトにおいて、案件規模が拡大するにつれて頭を悩ませるのが「テストケースや進捗の管理」です。 これまでExcelやスプレッドシートで行っていた管理も、メンバーが増えるにつれて「どれが最新版のファイルか分からない」「リアルタイムの進捗や品質状況が見えない」「不具合管理ツールへの転記や紐づけが煩雑」「品質報告のためのレポート作成に毎回膨大な時間がかかる」といった限界に直面しやすくなります。 こうした課題を解決するためにテスト管理ツールの導入を検討し始めたものの、いざ選定しようとすると、ツールの数が多く何を基準に比較すべきか迷ってしまうケースは少なくありません。 リリース前の品質報告会や社内の選定会議で、上長から「なぜこのツールなのか」「費用対効果やセキュリティは問題ないか」と問われた際、感覚的ではなく論理的な基準で説明する難しさを感じている担当者も多いのではないでしょうか。 ツール選定で最も避けたいのは、機能の豊富さや価格だけで決めてしまい、導入後に「操作が難しくて現場に使われない」「既存のExcel運用と二重管理になって負担が増えた」という失敗に終わることです。 そこで今回は、自社の開発体制やテスト規模に合った最適なテスト管理ツールを納得感を持って選定できるよう、機能・操作性・既存ツールとの連携性から社内説明のポイントまでを網羅した「選定チェックリスト」を詳しく解説します。 2週間以内に候補ツールを絞り込み、現場に定着する品質管理基盤を作るための実践的なガイドとして参考にしてください。 import haihaiInquiryFormClient from "https://form-gw.hm-f.jp/js/haihai.inquiry_form.client.js";haihaiInquiryFormClient.create({baseURL: "https://form-gw.hm-f.jp",formUUID: "927d2c4e-f06c-45b1-bd36-0240e55ccf72",}) ▼テスト管理ツール11製品の完全比較はこちら▼ 【2026年最新】テスト管理ツール11製品の徹底比較！【脱Excel】 まずは「なぜツールを入れるのか」を整理する テスト管理ツールの選定を進める上で、最初に手を付けるべきは導入の背景と目的の言語化です。 多くの現場では、候補となるツールの機能一覧や価格に目が行きがちですが、自社の課題が曖昧なまま選定を始めると、多機能であっても現場に定着しないリスクが高まります。 特に現状の運用で何に困っており、ツール導入によって何を解決したいのかを明確にすることが、その後の比較検討や社内説明の強固な土台となります。 Excel管理で限界が出やすい場面 従来のExcelやスプレッドシートによる管理では、プロジェクトの規模拡大に伴って様々な限界が生じます。 よくある課題として、複数人が同時に編集することでどれが最新版ファイルなのか分からなくなる問題や、テストの実行状況や未消化件数をリアルタイムに把握できない点が挙げられます。 また、JiraやRedmineといった不具合管理ツールとの紐づけが手作業になるため転記ミスが起きやすく、進捗をまとめるためのレポート作成に多大な時間がかかることも珍しくありません。 さらに、担当者ごとに書き方や管理方法がばらつくことで運用の属人化を招き、品質のバラつきの原因にもなります。 導入目的を明確にするための確認項目 選定の失敗を防ぐためには、自社が重視する導入目的をあらかじめ整理しておく必要があります。 具体的には、大量のテストケースを階層構造やタグ付けで一元管理したいのか、あるいはダッシュボードを用いて進捗や品質状況をリアルタイムに見える化したいのかといった点を整理します。 また既存のJiraなどの課題管理ツールとスムーズに連携させたいのか、上長や他部署へ向けた品質報告やリリース判定の確実な根拠を作りたいのかという視点も重要です。 将来的に他の複数プロジェクトでも再利用できるような、組織全体の品質管理基盤を作りたいのかも含めて、自社の要求を棚卸しすることが求められます。 最初に決めておきたいゴール ツールの選定基準をシャープにするために、導入によって達成したい具体的なゴールを定めておくことが大切です。 例えば、テスト管理にかかる工数そのものを削減することや、進捗確認のためのミーティング時間を短縮することを目標に据えます。 また、テスト漏れや確認漏れを減らして品質を安定させることや、品質状況を関係者へ論理的に説明しやすくすることも目指すべき成果となります。 何よりも、現場のメンバーが運用の負担を感じず、無理なく使い続けられる状態を作ることが、ツールを形骸化させずにプロジェクト全体の信頼性を高めるための最終的なゴールと言えます。 選定前に確認したい基本チェックリスト 候補となるテスト管理ツールを具体的に比較する段階では、実務の運用に耐えうるかを見極めるための基本チェックリストが欠かせません。 現場の担当者が毎日触る部分だからこそ、操作性や他ツールとの親和性を客観的な基準で評価する必要があります。 ここでは、多くの品質管理現場で重要視される4つの主要な観点について、具体的な確認ポイントを詳しく解説します。 テストケース管理のしやすさ 効率的な品質管理を行うためには、テストケースの作成やメンテナンスがスムーズに行えるかどうかが極めて重要です。 特に大規模なプロジェクトなどで大量のテストケースを扱う場合は、階層管理、フィルタリング、タグ付けなどが重要な選定基準になります。 具体的には、テストケースを階層構造で整理し、プロジェクト、機能、画面、テスト種別ごとに細かく分類できるかを確認します。 さらに、必要なケースをすぐに見つけ出せる強力な検索機能やタグ・フィルター機能が備わっているか、過去のテスト資産を簡単に再利用できるかもポイントです。 既存のExcelやスプレッドシートからスムーズにデータを取り込める仕組みがあれば、ツール移行時の初期コストを大幅に抑えることができます。 テスト実行・進捗管理のしやすさ テストフェーズが始まった際に、リアルタイムで正確な状況を把握できる操作性が求められます。 チェックすべき点としては、個々のテストケースに対して担当者を適切に割り当てられるか、そして実行結果を迷わず簡単に記録できるかという画面設計の分かりやすさです。 実行ステータスとして、未実施、成功、失敗、保留などの状態を明確に管理でき、全体の進捗率が自動で集計される機能は必須と言えます。 これにより、スケジュールに対して遅れているテストや、特定機能に起因する失敗が多い領域をすばやく把握することが可能になります。 複数人で同時に実行作業を進めても、誰がどこまで進めたのかが競合せず、リアルタイムに状況が反映される仕組みがあるかも確認しておきたい要素です。 不具合・課題管理とのつながり テスト活動は、バグの検出から修正・再テストにいたる開発サイクルと密接に結びついています。 そのため、テスト実行画面から不具合を直接登録し、テストケースと不具合情報を漏れなく紐づけられるかどうかが運用の成否を分けます。 特にJira連携を重視する場合、テストケース作成、テスト計画の実行、レポート作成まで対応できるかが比較ポイントになります。 連携が強固であれば、不具合の修正状況をテスト管理ツールの画面から離れることなく確認でき、開発チームとQAチームが常に同じ最新情報を見ながらコミュニケーションを取ることができます。 これにより、転記の手間や確認漏れによる手戻りを防ぐことが可能です。 レポート・ダッシュボードの見やすさ 経営層やプロジェクトマネージャーへの説明責任を果たすためには、蓄積されたデータを活用した可視化機能が威力を発揮します。 テストレポート作成の手間を減らせる点は、テスト管理ツール導入の代表的なメリットです。 確認すべき項目としては、テストの進捗状況がグラフで直感的に確認できるか、不具合件数や失敗率の推移がひと目で可視化できるかという点です。 これらのデータが自動で集約されれば、リリース判定の根拠として使える精度の高いレポートを即座に用意できます。 上司や関係各所に説明しやすい資料を内製できるだけでなく、必要に応じてCSVやPDFなどで外部出力できる柔軟性や、週次・日次の定例会議でそのまま画面を投影して使えるダッシュボード機能があるかも選定の鍵となります。 現場に定着するかを見極めるチェックリスト どんなに高度な機能が搭載されたテスト管理ツールであっても、実際にテストを実行する現場のメンバーが使いこなせなければ意味がありません。 ツール選定で最も避けたい事態は、多額のコストをかけて導入したにもかかわらず、操作の難しさや運用のミスマッチによって形骸化してしまうことです。 現場に定着し、長く活用される品質管理基盤を作るために、実務目線での評価基準を網羅しておく必要があります。 操作の分かりやすさ 現場のメンバーがストレスなく毎日利用するためには、直感的に扱えるインターフェースが不可欠です。 初めてチームに加わったメンバーでも、マニュアルを読み込むことなく迷わず操作できるか、テストケースの登録や更新がスムーズに行えるかを確認します。 特にテスト実行画面の見やすさは作業効率に直結するため、ステータスの変更が最小限の手数で完了する設計が理想的です。 また入力項目が多すぎると入力漏れや運用の形骸化を招く原因になるため、不要なフィールドを非表示にするなど、現場の既存の運用に合わせて項目を柔軟にカスタマイズ・調整できるかどうかも見極めのポイントになります。 導入・移行のしやすさ ツールの切り替えをスムーズに行うためには、これまでの資産を無駄にしないための機能が求められます。 Excel上のテストケースを取り込める機能は、既存資産を活かして移行しやすくするポイントとして紹介されています。 これまで蓄積してきた過去プロジェクトのテスト資産をそのまま活用できれば、移行にかかる準備工数を大幅に削減可能です。 さらに、導入初期の設定が複雑すぎず、まずは小さなプロジェクトから段階的に試せるスモールスタートが可能かどうかも重要になります。 検討段階で操作感を確かめられる無料トライアルやデモ環境の有無、困ったときに頼れるサポートやマニュアルが日本語でしっかりと用意されているかも確認が必要です。 チームの運用に合うか 品質管理のプロセスには、QAチームだけでなく開発者やプロジェクトマネージャーなど、多様なステークホルダーが関わります。 そのため、全員がそれぞれの視点で使いやすいと感じられる設計であるかが問われます。 プロジェクトの規模や体制に応じて、メンバーごとに閲覧・編集範囲を制限できる権限設定機能や、複数プロジェクトをまたいで横断的に管理できる仕様であるかは必須のチェック項目です。 またテストケースの承認フローやレビュー運用をツール上で完結できるか、自社が採用しているアジャイル開発やウォーターフォール開発といった開発手法の特性にどちらも柔軟に対応できるかを確認しておくことが定着への近道となります。 定着しないツールにありがちな失敗 選定時に陥りがちな罠として、機能の豊富さだけに目を奪われ、現場の入力負荷を見落としてしまうケースが挙げられます。 機能は多いものの操作が複雑で使われなくなったり、自社の業務フローに合わずに結局独自のルールで運用してしまったりする失敗は少なくありません。 また、導入目的が曖昧なままスタートした結果、既存のExcel管理との二重管理が発生し、現場の負担だけが増えるという最悪のシナリオも考えられます。 上層部への報告に便利なレポート機能だけを重視し、管理者だけが満足して実行担当者の負荷が増大していないか、現場の実務感に寄り添ったシミュレーションを行うことが成功の鍵です。 社内説明で見られる比較ポイント テスト管理ツールの候補を絞り込んだ後は、上長やプロジェクトマネージャー、情報システム部門などのステークホルダーに向けて選定理由を論理的に説明し、承認を得る必要があります。 社内承認をスムーズに得るためには、現場の使いやすさだけでなく、コスト、安全性、組織全体のシステム環境との整合性といった経営・管理目線でのチェックポイントを網羅しておくことが不可欠です。 費用対効果 ツール導入の予算を確保するためには、具体的なコスト構造とそれに見合うリターンを提示しなければなりません。 テスト管理ツールの選定では、必要な機能を定義したうえで、連携性や導入しやすさ、拡張性、価格などを複合的に比較することが重要です。 確認すべき点として、初期費用の有無や月額・年額のランニングコストはもちろん、将来的に利用人数が増えた場合の料金シミュレーションが挙げられます。 検討している機能が上位プランに限定されていないかを精査しつつ、ツール導入によってレポート作成や進捗確認の工数がどれだけ削減できるか、また不具合の見逃しや手戻りの削減がどれほどのコスト回避につながるかという投資対効果の視点を取り入れることで、上層部への説得力が大きく高まります。 セキュリティと権限管理 情報システム部門やセキュリティ担当部署の承認を得るためには、自社の安全基準を満たしているかどうかの検証が必須です。 提供形態がクラウド型かオンプレミス型かを確認し、社内のセキュリティポリシーに適合しているかをチェックします。 また、社外の協力会社や外部委託先と共同でテストを進めるケースを想定し、プロジェクトやユーザーごとにアクセス権限を細かく制御できるか、万が一の際に操作履歴を追える監査ログを確認できるかが重要です。 データの保管場所や暗号化の仕様、バックアップ体制についても事前にベンダーへ確認し、組織の重要な資産であるテストデータやソースコードに関する情報が安全に守られる保証を確保しておく必要があります。 既存ツールとの連携 新しいツールがどれだけ優れていても、すでに社内で稼働している開発プロセスを分断してしまっては効果が半減します。 そのため、JiraやBacklog、GitHub、GitLabといった既存の課題管理・ソースコード管理ツールとスムーズに連携できるかどうかが極めて重要な要素です。 さらに、テスト結果のステータス変更やエラー発生時にSlackやTeamsなどのチャットツールへ自動通知できるか、将来的な自動テスト化を見据えてCI/CDツールと連携できるか、APIが開放されているかも確認しておきます。 既存の開発フローを大きく変えることなく、自然な形で組み込めるツールを選ぶことが、開発チームからの協力を得るための鍵となります。 ベンダー・サポート体制 導入後の安定運用やトラブル発生時の迅速な対応を考慮すると、開発ベンダーの支援体制も見逃せない比較ポイントです。 検討段階や導入前に技術的な疑問を相談できる窓口があるか、トラブル発生時に日本語でのサポート対応が可能であるかは、運用の安心感を大きく左右します。 また、現場への定着を早めるための操作説明会やオンボーディング支援がプランに含まれているか、障害時の対応フローが明確に開示されているかも重要です。 定期的なアップデート頻度や製品の改善方針を確認するとともに、自社と同業種での利用実績や大規模プロジェクトでの導入事例があるかをチェックしておくことで、社内説明の際に「他社でも実績がある」という強力な安心材料を提示できます。 テスト管理ツール選定チェックリスト表 大項目 チェック項目 確認するポイント 重要度 導入目的 導入の背景が明確か Excelやスプレッドシート管理で、最新版管理・進捗把握・不具合連携・レポート作成に課題が出ているかを整理する 高 導入目的 解決したい課題が具体化されているか テストケース管理、進捗可視化、不具合管理との連携、品質報告、リリース判定など、何を改善したいかを明確にする 高 導入目的 導入後のゴールが決まっているか 工数削減、会議時間短縮、テスト漏れ防止、品質状況の説明性向上、現場定着などの成果を定義する 高 テストケース管理 階層構造で管理できるか プロジェクト、機能、画面、テスト種別ごとにテストケースを整理できるか 高 テストケース管理 検索・絞り込みがしやすいか タグ、フィルター、キーワード検索などで必要なテストケースをすぐに探せるか 高 テストケース管理 過去のテスト資産を再利用できるか 既存プロジェクトのテストケースをコピー・流用し、メンテナンスしやすいか 中 テストケース管理 Excelから移行しやすいか 既存のExcelやスプレッドシートのテストケースをインポートできるか 高 テスト実行・進捗管理 担当者を割り当てられるか テストケースごとに実行担当者を設定し、作業状況を追跡できるか 高 テスト実行・進捗管理 実行結果を簡単に記録できるか 成功、失敗、未実施、保留などのステータスを迷わず入力できるか 高 テスト実行・進捗管理 進捗率を自動集計できるか テスト全体の進捗、未消化件数、失敗件数などをリアルタイムに把握できるか 高 テスト実行・進捗管理 遅延や失敗が多い領域を把握できるか 遅れているテストや不具合が集中している機能をすばやく確認できるか 高 不具合・課題管理連携 テスト結果から不具合登録できるか テスト実行画面から不具合を直接登録でき、転記ミスを減らせるか 高 不具合・課題管理連携 テストケースと不具合を紐づけられるか どのテストでどの不具合が見つかったかを追跡できるか 高 不具合・課題管理連携 Jiraなど既存ツールと連携できるか Jira、Redmine、Backlogなど、社内で使っている課題管理ツールと連携できるか 高 不具合・課題管理連携 修正状況を確認できるか 不具合の対応状況をテスト管理ツール上でも確認できるか 中 レポート・ダッシュボード 進捗をグラフで確認できるか テスト進捗、失敗率、不具合件数などを視覚的に把握できるか 高 レポート・ダッシュボード リリース判定に使える資料を作れるか 品質状況を上長や関係部署に説明できるレポートを出力できるか 高 レポート・ダッシュボード CSVやPDFで出力できるか 会議資料や社内報告に使いやすい形式でデータを出せるか 中 レポート・ダッシュボード 定例会議でそのまま使えるか 日次・週次会議で画面共有し、進捗確認に使えるダッシュボードがあるか 中 操作性 初めてでも使いやすいか マニュアルを読み込まなくても、テスト登録・実行・確認が直感的に行えるか 高 操作性 入力負荷が大きすぎないか 入力項目が多すぎず、現場メンバーの作業負担が増えないか 高 操作性 項目をカスタマイズできるか 自社の運用に合わせて、表示項目や入力項目を調整できるか 中 導入・移行 小さく試せるか いきなり全社導入せず、小規模プロジェクトや一部チームで試験導入できるか 高 導入・移行 無料トライアルやデモがあるか 導入前に実際の操作感や自社運用との相性を確認できるか 中 導入・移行 日本語マニュアルやサポートがあるか 導入時に現場が迷わず使えるドキュメントや問い合わせ窓口があるか 中 チーム運用 QA以外の関係者も使いやすいか 開発者、PM、情報システム部門なども必要な情報を確認しやすいか 高 チーム運用 権限設定ができるか メンバーごとに閲覧・編集範囲を制御できるか 高 チーム運用 複数プロジェクトを管理できるか プロジェクト横断でテスト状況や品質状況を確認できるか 中 チーム運用 レビューや承認に対応できるか テストケースのレビュー、承認、変更管理をツール上で行えるか 中 チーム運用 開発手法に合っているか アジャイル開発、ウォーターフォール開発など、自社の開発プロセスに対応できるか 中 費用対効果 初期費用・月額費用が明確か 初期費用、月額・年額費用、ユーザー追加時の料金体系を確認する 高 費用対効果 必要機能がどのプランに含まれるか 必須機能が上位プラン限定ではないかを確認する 高 費用対効果 工数削減効果を説明できるか レポート作成、進捗確認、転記作業などの削減効果を社内説明できるか 高 費用対効果 手戻り削減につながるか 不具合の見逃しや確認漏れを減らし、修正コストを抑えられるか 中 セキュリティ 提供形態が自社方針に合っているか クラウド型かオンプレミス型かを確認し、社内ポリシーに適合するか 高 セキュリティ アクセス権限を細かく設定できるか 社内メンバー、外部委託先、協力会社などの権限を適切に分けられるか 高 セキュリティ 監査ログを確認できるか 誰がいつ何を変更したかを追跡できるか 中 セキュリティ データ保管・バックアップ体制が明確か データ保管場所、暗号化、バックアップ、障害時対応を確認できるか 高 既存ツール連携 課題管理ツールと連携できるか Jira、Backlog、Redmineなど既存の課題管理ツールと連携できるか 高 既存ツール連携 ソース管理・開発ツールと連携できるか GitHub、GitLab、CI/CD、自動テストツールなどと連携できるか 中 既存ツール連携 チャット通知に対応しているか SlackやTeamsにテスト状況や不具合情報を通知できるか 中 既存ツール連携 API連携ができるか 将来的な自動化や独自運用に対応できるAPIがあるか 中 ベンダー・サポート 導入前に相談できるか 検討段階で機能、料金、運用方法について相談できる窓口があるか 中 ベンダー・サポート 導入支援があるか 操作説明会、オンボーディング支援、初期設定支援があるか 中 ベンダー・サポート 障害時の対応が明確か 障害発生時の問い合わせ先、対応時間、復旧フローが分かるか 高 ベンダー・サポート 導入実績があるか 自社と近い業種・規模・開発体制での導入事例があるか 中 定着リスク 機能過多になっていないか 多機能すぎて操作が複雑になり、現場に使われなくなるリスクがないか 高 定着リスク Excelとの二重管理にならないか 導入後もExcel管理が残り、現場負担が増える運用にならないか 高 定着リスク 管理者だけに便利な設計になっていないか レポート機能だけでなく、実行担当者の使いやすさも確認できているか 高 まとめ テスト管理ツールの選定は、単に「機能が豊富なもの」や「価格が安いもの」を選ぶだけではうまくいきません。 まずはExcel管理における現在の課題を洗い出し、何のためにツールを導入するのかという目的とゴールを明確にすることが、選定プロセスの確固たる出発点となります。 実際の比較検討にあたっては、大量のテストケースを効率的にさばける管理機能や、リアルタイムの進捗可視化、そしてJiraをはじめとする既存ツールとの強固な連携といった基本機能のチェックが欠かせません。 それと同時に、実務を担う現場のメンバーが迷わず使える操作性であるか、これまでのExcel資産をスムーズに移行できるかといった「現場への定着リスク」にも目を向ける必要があります。 さらに社内の決裁や情報システム部門の承認をスムーズに得るためには、レポート作成工数の削減といった具体的な費用対効果、クラウド・オンプレミスなどの提供形態に応じたセキュリティ基準、ベンダーのサポート体制までを複合的に評価し、論理的な選定理由を用意しておくことが重要です。 本記事で紹介した詳細なチェックリスト表を活用し、各項目の重要度を自社のプロジェクト規模や開発手法（アジャイル・ウォーターフォール）に合わせてカスタマイズしてみてください。 関係各所が納得する最適なツール選びを実現し、QAチームの属人化解消とプロジェクト全体の品質向上へ向けた大きな一歩を踏み出しましょう。 QA業務効率化ならPractiTest テスト管理の効率化 についてお悩みではありませんか？そんなときはテスト資産の一元管理をすることで 工数を20%削減できる 総合テスト管理ツール「 PractiTest 」がおすすめです！ PractiTest (プラクティテスト) に関する お問い合わせ トライアルアカウントお申し込みや、製品デモの依頼、 機能についての問い合わせなどお気軽にお問い合わせください。 お問い合わせ この記事の監修 Dr.T。テストエンジニア。 PractiTestエバンジェリスト。 大学卒業後、外車純正Navi開発のテストエンジニアとしてキャリアをスタート。DTVチューナ開発会社、第三者検証会社等、数々のプロダクトの検証業務に従事。 2017年株式会社モンテカンポへ入社し、マネージメント業務の傍ら、自らもテストエンジニアとしテストコンサルやPractiTestの導入サポートなどを担当している。 記事制作： 川上サトシ （マーケター、合同会社ぎあはーと代表）