導入事例

テストデータ作成支援

カバレッジマスターwinAMS

株式会社クボタ様

産業用エンジン向けECUソフトウェアの開発メンバーにご協力いただき、AIによるテストデータ作成支援の事例を紹介します。同社は、CI/CD(Continuous Integration/Continuous Delivery)と生成AIを組み合わせた、単体テスト自動化環境の構築に取り組んでいます。

株式会社クボタ様

AIによるテストデータ作成支援の事例、CI/CDと生成AIの導入でテスト工数増大を抑制

「AI駆動開発(AI-Driven Development)」という言葉が注目を集めています。IT系やWeb系に続き、組み込み系の開発現場でも、AIを活用してソフトウェア設計・実装の生産性を引き上げたり、ソフトウェア品質を改善したりする取り組みが始まっています。

ここでは、株式会社クボタで産業用エンジン向けECUソフトウェアを開発している技術者の皆さまに、単体テスト自動化環境の構築事例(環境を構築するに至った経緯、構築しているシステムの概要など)について紹介して頂きます。同社はGitHub Actionsを中核にCI/CDパイプラインを構成し、単体テストのワークフローを自動化しました。テストケースの作成にはAzure OpenAIを用いています。

インタビューさせて頂いたユーザー様

株式会社クボタ エンジン技術第三部 竹中 亮太様

株式会社クボタ エンジン技術第三部 担当課長 松尾 成浩様

株式会社クボタ エンジン技術第三部 大谷 知暉様

適用対象システムと開発上の課題

– 御社の事業、および竹中様が担当されている業務の内容を教えてください。

竹中様:

クボタは農業機械や建設機械、産業用エンジン、水関係インフラなどを手掛ける総合機械メーカです。私たちの部署は、主にディーゼルエンジンのエンジンECUに搭載するソフトウェアの開発を担当しています。

左から、エンジン技術第三部 担当課長の松尾 成浩様、同部の竹中 亮太様、大谷 知暉様。今回のインタビューでは竹中様が中心となって話をしていただいた。

– 御社が開発しているエンジンには、どのような特徴がありますか?

竹中様:

クボタのエンジンは、当社の農機や建機はもちろん、当社の産業用エンジンを採用しているOEM企業の建設機械や発電機などの産業機械全般で使われています。例えば、夜間の工事現場などで使われる移動式ライトタワー(照明塔)のような特殊な機械にも搭載されています。また、OEM企業(当社以外の建設機械や産業機械メーカ)は数百社存在します。
つまり、多種多様、かつ非常に多岐にわたる建産機械で使われている点が、特徴の一つと言えます。

– 産業用エンジンの場合、一般的な自動車用のエンジンと同じように燃費の向上や排ガス規制への対応が課題となるのでしょうか?

竹中様:

そのとおりです。燃費の良し悪しは、農機や建機、産業機械にとっても重要な指標であり、エンジン開発にあたっては常に求められるものです。
排ガス規制については、対象となる法律や基準が、一般的な自動車とは異なります。公道を走らない車両(オフロード特殊自動車)を対象とした法律が、日本や北米、欧州、中国など、地域ごとに定められており、それが改版されるたびに条件が厳しくなっている、という状況です。

クボタの産業用ディーゼルエンジン「V3307-CR-TI-E5」 欧州Stage Vの厳格な排ガス規制に適合しつつ、既存製品より出力とトルクを向上させた機種。クボタが構築している単体テスト自動化環境は、このような産業用エンジンを制御するECUの上で動くソフトウェアが検証対象となる。

– ガイオ・テクノロジーのツールは、どのような開発プロセスで利用されていますか?

竹中様:

エンジンECUで動作する制御ソフトウェアの中でも、ベース寄りの部分の関数単体テストに適用しています。カバレッジマスターwinAMS(単体テストとカバレッジ計測を支援するツール)とCasePlayer2(プログラムを可視化するツール。C/C++コードを解析してフローチャートなどを生成)を用いて、例えばMC/DC(Modified Condition/Decision Coverage)のカバレッジ計測などを行っています。

– 今回、新たな単体テスト環境を構築したわけですが、竹中様の部署はどのような課題を抱えていたのでしょう?

竹中様:

私たちは、単体テストにかかるコストを削減できないか、と考えていました。単体テストの工数が非常に大きくなっており、テスト設計にもテスト実行にも多くの時間を費やしている、という状況でした。加えて、プロジェクトごと、担当者ごとの環境の差異に起因するエラーが発生して作業が滞る、という問題も発生していました。

ソフトウェア品質を担保しつつテストコストの増加を抑え、環境やツールの設定を含めて、担当者ごとに微妙に異なる(属人化された)検証ノウハウを共通化・標準化する必要がある、と認識していました。

– なぜこのタイミングだったのですか?

竹中様:

背景となる動向が二つあります。一つ目はサイバーセキュリティへの対応です。欧州ではサイバーレジリエンス法の適用が段階的に進んでおり、産業用エンジンのECUソフトウェアについても対応が求められると考えています。欧州市場に製品を投入するためには、こうした法規制に対応したソフトウェアの開発やテストが求められます。

二つ目の動向はCPUのディスコン対応です。これまで使っていたCPUが生産終了となり、新しいCPUに載せ替えようとすると、ソフトウェアのベースの部分を全面的に作り直したり、テストし直したりする必要があります。当社では今後、そうした機会が増えるとみています。

AIテストデータ作成支援の環境構築

– 環境構築を検討し始めたのはいつ頃ですか?

竹中様:

昨年(2025年)の後半です。私たちは10〜12月の3カ月間、単体テストの業務をガイオさんに委託していたのですが、併せてAIを利用した単体テスト環境の構築について提案を受けました。ほぼ同時期に、ガイオさんではAIシステムに必要な機能の開発が始まっていた、と聞いています。

当時の経緯としては、「今後、ガイオが取り組んでいきたいこと」についてプレゼンを受ける中で、「AI」というキーワードが何度も出てきました。クボタ社内でも、AIを業務に利用する機運が徐々に盛り上がってきたところで、「AIを有効活用したい」という流れになりました。現在(2026年9月)はトライアル運用中ですが、まもなく実運用に移行します。

– テスト環境のシステム構成を教えてください。

竹中様:

当社のセキュリティ基準に準拠したAzureハイブリッド構成(オンプレミスのサーバ環境とMicrosoft Azureクラウド環境を接続し、一つの統合されたシステムとして運用する構成)を基盤としています。GitHub Actionsを中核に、単体テストのワークフローを自動化するCI/CDパイプラインを構成しました。

【CI/CDで自動化した作業フローの概要】

Azure App Service上の環境が、利用者が実際に操作するUIになります。Azure OpenAIでテストケースを作成し、Azure VM(Virtual Machines)上でカバレッジマスターwinAMSやCコンパイラを動かしたり、データやログを保存したりします。GitHub Actionsは、CI/CDパイプライン上のツールの実行を起動する役目を担っています。

– 環境構築にあたって苦労した点は?

竹中様:

私たちの部署はAzureのシステムを構築した経験がなく、GitHubの知識やノウハウも持っていませんでした。ガイオさんにゴールの形を示していただき、またクラウド利用の社内手続きに必要な情報、およびシステム設定について助言をいただきました。

伴走型サービスの有効性

– 今回、3カ月間の単体テスト代行を通じてガイオのエンジニアが御社のコードの特性やテスト手法などの情報を収集しつつ、段階的にAIやCI/CDの環境を立ち上げる「伴走型」のアプローチが採られました。

竹中様:

このアプローチは、非常に有効だったと感じています。単体テスト代行を通じて得られた知見を環境構築につなげることで、実際の業務プロセスに沿った環境を構築できたと思っています。ガイオさんのエンジニアの方々とも緊密な連携を実現できました。環境構築の中で見つかった不具合について、随時対応いただけたので、大変ありがたく感じています。

– 単体テスト代行によって集めた情報について、もう少し詳しく教えてください。それはテストプロセスやテストケースの作り方といった話でしょうか?

竹中様:

テスト全般の情報です。例えば、私たちがカバレッジマスターwinAMSをどのように使い、その機能を十分に活用できているか、といった情報も含まれます。
また、私たちの部署では、環境の差異によるエラーができるだけ出ないように、共通のバッチファイルを使うようにしているのですが、その仕組みについてもガイオさんのエンジニアの方に見ていただきました。

新たに構築した環境では、CI/CDパイプラインを構成する中で、動的に構成や設定を変更できるようにして、環境の差異の問題を吸収しています。これも、単体テスト代行の段階で私たちの作業を細かく見ていただいたので対応いただけたのだと感じています。

– 本格的な効果測定はこれからだと思いますが、ここまでの作業を振り返って、なんらかの手応えはありましたか?

竹中様:

トライアル運用を開始し、実際にどうなるかを見定めている段階です。従来は人手でテストケースを作って、ツールを立ち上げて、という形でしたが、コードをプッシュしてプルリクエスト上でコマンドを打ち込んだら、いつのまにかテストが終わっている、というところまで来ました。工数削減について、大きな手応えを感じています。

対象とするさまざまなコードで期待どおりの結果が得られることを確認し、レビュー手法を確立できれば、実業務に適用できると考えています。

AI駆動開発と今後の展開

– AI駆動開発に注目が集まっています。御社では、開発業務におけるAIの取り扱いについて、どのように考えていますか?

竹中様:

これまでの「人がすべての工程を担う」時代から、「AIがたたき台を作って人が判断する」時代へと移っていくなかで、当社は現在、開発業務にAIを活用する体制への移行を目指している途上です。
懸念点は、AIの出力を評価できる技術力(レビュー力)の育成が追い付かないと、品質を担保できなくなるおそれがあることです。

まだ検討段階ではありますが、スキルマップなどを活用しながらレビューできる人材を育てる、(人材育成の進み具合を見ながら)段階的に開発現場におけるAI利用を解禁する、という方針で、AIの導入を進めることを考えています。

恐らくこれはまだ、明確な答えが出ていない問題だと思います。各社の動向や有識者の意見などを参考にしながら、私たちの方針やルールを検討していきたいと思っています。

– AI駆動開発というと、テスト以外の業務にもAIを適用する動きがあります。

竹中様:

今回は単体テストに絞ってAI活用を進めましたが、ソフトウェア開発プロセスのその他の工程についても導入を検討しています。ただし、AIを入れたときのメリット、デメリットがまだ十分に精査できていません。また、AIに入力するプロンプトは適用する工程ごとに異なります。
こうした点についての説明をガイオさんから受けながら、AI導入の進め方を話し合っている段階です。

– 環境構築についての今後の展開は?

竹中様:

9月末で、テストケース作成とカバレッジ計測の自動化が区切りとなります。その後は、V字プロセスの左側(設計・実装工程)の自動化、例えばコーディングエージェントの導入に取り組むことを検討しています。

– 最後に、ガイオのツールやサポートに対する忌憚のないご意見をください。

竹中様:

率直に言って、かなり踏み込んだ領域まで支援していただいて、私は非常に感謝しています。正直なところ、「いや、それはクボタさんが自分で考えることでしょ」と言われかねないことも含めて、教えていただいている状況です。
また、今回の環境構築もそうなのですが、技術的に新しい案件、経験のない領域の案件では、こちらの方針が二転三転してしまうケースがあります。ご迷惑をおかけしてしまう場面もあるかと思いますが、これまで通り、臨機応変に対応していただけると助かります。

まとめ

本インタビューを通じて、株式会社クボタの産業用エンジン向けECUソフトウェアの開発メンバーの皆さまから、生成AIを使ってテストケースを作成する単体テスト自動化環境を立ち上げていること、ガイオ・テクノロジーの単体テスト代行を通じて必要な情報を収集しつつ、段階的にAIやCI/CDの環境を立ち上げる「伴走型」のアプローチが有効であったこと、などを伺うことができました。

ガイオ・テクノロジーとしましては、組込みソフトウェアの品質向上、および開発プロセスへのAI導入の推進に貢献できるよう、新しいサービスやソリューションの提案に努めて参ります。

関連サービス・ツール

ピックアップ

pick up

止まらない「技術」で、
未体験の進化を共創する。

製品・サービスの詳細や資料請求につきましては、
お気軽にお問い合わせください。