回答募集中Xの声をもとにAIが作った質問公開
単体テストとプルリクエスト作成をCodexに任せる運用は可能ですか
X でよく見られる悩みをもとに、AI（Grok）が作った質問です。特定の人や会社の質問ではありません
前提
- 業種・規模
- SaaS・従業員約120人
- 立場・部署
- バックエンドチームリーダー（メンバー7人）
- いま使っているツール・AI
- GitHub、CIはGitHub Actions、ChatGPT Team、Codexを3人が2週間試用。一部はClaude Codeも併用
- 扱うデータ
- GoのAPIサーバ約12万行、テストカバレッジは現状38%。週平均でPRが18本、うちテスト不足の差し戻しが週4本
- 予算・期間・社内ルール
- 今四半期の品質目標でカバレッジを50%まで上げる必要がある。レビュー担当は私を含め2人だけで、1PRあたり平均45分かかっている。エージェントがmainへ直接pushすることは禁止
実現したいこと
実装本体は人が書き、単体テストの追加とPR本文・チェックリスト作成をCodexに任せたいです。差し戻しを週4本から1本以下にし、レビュー時間を1PRあたり20分程度まで減らしたいです。テストが「通っただけ」で要件を満たしていないPRを本番に入れたくありません。
いま起きていること・困っていること
試しに既存バグ修正5件のテスト生成を任せたところ、3件は意味のあるアサーションでしたが、2件はモックを過剰に使い、本番のDB制約を再現していませんでした。PR本文は体裁が整って見える一方、影響範囲とロールバック手順が抜けていました。エージェントが「要件の7割を満たした」状態を完成と誤認し、レビューで初めて不足に気づくことが続いています。Claude Codeと併用すると指示の書き方が人によって違い、品質が安定しません。
試したこと・調べたこと
- ネットや本で調べた
- AIツールを自分で試した
- 社内で相談した
同じ5件をCodexとClaude Codeの両方で試し、テストのコンパイル成功率はどちらも約80%でした。品質面では、境界値と失敗系を書く精度に差が出ましたが、サンプルが少なく社内では結論が出ていません。公開ベンチマークは「要件充足率」と「完了率」が別数字だと知り、自社の完了定義を先に決める必要があると感じました。
聞きたいこと
- 単体テストとPR作成までエージェントに任せる場合、人が必ず確認すべき項目のチェックリスト例をください。
- 「テストが通った」と「受け入れ条件を満たした」を運用で分ける具体的なやり方はありますか。
- CodexとClaude Codeを混在させるより、テスト工程だけ一方に寄せた方がよいですか。
補足
本番障害は四半期で2件あり、いずれもテスト不足が原因でした。ステージングはPRごとにプレビュー環境が立ちます。