IoTとAI、ビッグデータ時代のソフトウェアテスト（1）
ソフトウェアテストのコストと品質（前編）―「テストの究極の問題」を考える（3/5 ページ）
障害と欠陥
バグや障害、欠陥、不具合、事故、故障、トラブル、エラー、ミス、例外、想定外などの意味やその使い分けはどうなっているのか。これらの言葉は大きく分けて、観測できる事実としての結果と、観測結果の原因に分けられる。
障害や不具合、故障、トラブル、事故、インシデントなどはシステムが期待するサービスや動作を提供しないことを意味し、実行結果として観測できる事実である。その一方で欠陥やエラー、ミスなどは上記の障害などの観測結果の原因であり、障害は発見され、その原因は欠陥である。
バグは結果としても原因としても使われる。文脈を読まないとどちらの意味で使われているか、または両方の意味で使われているのかが分からないので注意が必要である。バグ（bug）とは本来「虫」の意味だが、業界用語（ジャーゴン）でコンピュータの障害または欠陥を意味する。リレー式計算機に蛾が挟まって障害が発生した出来事に由来し、そのバグ（蛾）はスミソニアン博物館に展示されている。
テストが困難である要因の1つは、欠陥が見つからなかったとき、テストが悪いのか、それとも製品が良かったのかの判断が極めて困難であることである。これは「テスト」と「製品」と2つの変数があるため、結果に対する変数（原因）の識別ができない問題であるともいえる。
とあるテスト現場より（3）
A：「先輩、テストは大失敗です。バグが全く発見できませんでした……」
B：「そうか、それは残念。……じゃなくて、今夜は祝杯を挙げよう！」
A：「はい、先輩。そうですよね、製品もテストも完璧ですよね。」
B：「でもテストを実施したのが君だから……不安だ（ぽつり）」
テストの「究極の目的」とは？
ソフトウェアテストをすることで、私たちは何を得ることになるのか。もっと言えば、正しい作り方と正しい製品であることをテストするということで、何を目指しているのか。何がうれしいのか。何を目的としているのか。逆に考えれば、ソフトウェアテストをしなければ、製品の正しさを確認しなければ、どんなデメリットがあるのか。何を失うのか。
開発現場でこの問題は明確であろう。テストをしなければバグを見つけることができず、徹夜でデバッグという未来が待っている。それでは「上から目線」で考ると、なにが問題となるのだろうか。
図3. テストの定義と目的
「テストの目的とはなんぞや」の答えは、次の言葉にまとめられる。「ソフトウェアテストの究極の目的とは製品の品質を計測し、それを保証し、さらに品質を向上していくこと」である。これが開発現場目線でも上から目線でもいえるだろう。
しかしこれは「品質」というマジックワードにテストの目的を押し込めただけである。しかし品質こそがテストのキーワードになることを覚えていてほしい。図3に今まで出てきたテストの定義とその目的を図示する。
この目的によれば、テストをするメリットは「製品の品質計測をし、それを保証し、将来に渡る品質向上が見込める」ことであり、逆にテストをしないデメリットは「品質が計測できず、その保証ができず、将来に渡る品質向上にも結び付かない」ことである。
品質計測と品質保証、それから期待される品質向上を果たすにはテスト以外になく、これこそがテストが重要である理由である。強い言い方をすれば、製品企画や要求分析、アーキテクチャ設計、詳細設計、プログラミングをどのように立派に作業しても品質計測はできず、品質保証はできず、品質向上にならない。なおテストの重要さと困難さは後述する。
品質とはバグがないことだけでなく、使える（使ってもらえる）かどうかも含まれる。機能要求のような当たり前の品質だけでなく、ユーザビリティも含めた非機能要求に対する品質も含まれる。これを魅力的品質とも言う。ソフトウェアテストの目的は、この魅力的品質も含めた品質を計測し、保証し、向上させることである。バグゼロ（当たり前品質の保証）が究極の目的でなく、魅力的品質を含んだ品質が目的である。
とあるテスト現場より（4）
A：「先輩、魅力的品質って何ですか」
B：「一言で言えば、使ってもらえる魅力かな」
A：「それじゃ先輩、これをコピーしてください」
B：「それはパシリ」
Copyright © ITmedia, Inc. All Rights Reserved.
IoTとAI、ビッグデータ時代のソフトウェアテスト
言うまでもなくソフトウェアテストは重要だが、IoTやAIなどの新しい概念によってソフトウェア自体の在り方が変わりつつある中、旧来からのテストを踏襲するだけでは成果は得られない。新時代のソフトウェアテストについて、考察する。
この記事の著者
新着ホワイトペーパー PR
-
製品資料
[株式会社 Green AI] 自動車業界には好機 脱炭素×コスト削減×現場改善を実現するエネルギー戦略 -
製品資料
[株式会社 Green AI] 脱炭素投資をすぐ回収したい 自動車業界にも有効なCO2削減アプローチ -
市場調査・トレンド
[スマートジャパン編集部] 「ペロブスカイト太陽電池」の普及戦略が公表 政府が目指すコスト・導入量のロードマップを解説 -
市場調査・トレンド
[スマートジャパン編集部] 導入が加速する再エネ・系統向け蓄電システム コスト・収益性の現状分析 -
技術文書・技術解説
[スマートジャパン編集部] いまさら聞けない「ペロブスカイト太陽電池」の基礎知識と政策動向
関連記事
こんなメディアも見られています
TechFactoryに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
特集
- マテリアルズ・インフォマティクスの動向調査
- 研究・開発職のデジタル活用調査
- 設計・解析業務におけるAI活用
- 3Dプリンタ利用動向調査
- CAD利用動向調査
- つながる工場の現状と課題
- 製造業におけるAI開発および活用の実態
- 設計・製造現場における品質管理
ホワイトペーパーランキング PR
-
1
CAE解析をAIエージェントに任せてみた 人は何を担うのか
-
2
高度な半導体／電子デバイスの非破壊不良解析を支える「3D X線技術」に迫る
-
3
「ロボットアーキテクチャ」実態調査2026年版：現在の課題と優先事項を解説
-
4
EE Times Japan×EDN Japan 統合電子版：製造現場にフィジカルAIをどう実装するか――電子版2026年9月号
-
5
スマート工場動向調査2026
-
6
【読者調査結果】製造業の脱炭素動向調査2026
-
7
「見て覚えろ」が通じない時代 製造業の保全技術はどのように継承すればよい？
-
8
SiC・GaN時代のパワー半導体開発、信頼性評価と故障解析の課題にどう対応する？
-
9
動き出したファナックの「フィジカルAI」
-
10
はじめての化学工学まとめ（Part1）
TechFactory SNS
@techfactory_itmをフォロー
インフォメーション
注目情報をチェック
TechFactoryをフォロー