テスト自動化・生成AI活用のノウハウを、組織の標準に変えるポジション

20年以上連続成長。次は、あなたの番です。
AI・クラウド・開発・データサイエンス──全領域に専門家がいるから、どんなキャリアも描ける。
あなたの成長に、本気で向き合う会社です。

スカイウイルについて

募集背景とポジションのミッション

当社は2026年を「第二創業期」と位置づけ、「SKYWILL Reboot Plan 2026-2030」を推進しています。その中核に据えているのが、ソフトウェア品質保証（QA）領域の高度化です。 
一方で、現状には明確な課題があります。当社にはPlaywright等を用いたコードベース自動化に加え、生成AIをテスト業務に活用した実績もあります。
ただしいずれも配属プロジェクト単位の取り組みにとどまっているため、他のプロジェクトで同じことを再現できる状態が必要です。

お客様からの自動化・生成AI活用に関するご相談は増加傾向にあります。案件ごとに個人が対応する体制では、この需要に応えきれなくなりつつあるのが実情です。 
本ポジションのミッションは、この属人化した状態を解消することです。配属プロジェクトで自動化を実装・改善しながら、その設計判断や実装パターン、生成AIの活用ノウハウを他のメンバーが再利用できる形に落とし込み、当社の標準として整備していただきます。 
社内標準の整備はこれから着手する段階です。「既に整った仕組みを運用する」ポジションではなく、仕組みそのものを作る側になります。 

配属予定チーム・体制 

1. 入社後はまず客先常駐からのスタートを想定  
入社当初の配属先はお客様先のプロジェクトです。そのため、CI/CD基盤や技術スタックの選定、開発プロセスの改廃について、最終的な決裁権がお客様側にある場合があります。 
並行して自社内での受託・ラボ型案件の新規開拓を進めており、体制が整い次第そちらへの展開も想定していますが、着任時点で配属をお約束できるものではありません。 

2. 自動化の社内標準を整備  
共通ライブラリ、テスト設計ガイドライン、フレームワーク選定基準といった組織としての資産を整備します。参照できる前例が少ない中で、自ら判断して形にしていく必要があります。 

3. 生成AI活用の社内標準化を推進  
生成AIのテスト業務への活用は、配属プロジェクト単位では実績があり、お客様からのご相談も増えています。一方で社内標準としての整備はこれからです。適用範囲の見極め、実用性の評価、適用基準の策定までを担っていただきます。 

4. 制約のある環境での実現力を重視  
常駐先ごとに使用技術も開発プロセスも異なります。理想形をそのまま持ち込むのではなく、その現場で実行可能な打ち手に翻訳できることを、本ポジションの中核的な能力と位置づけています。 

業務内容

1. 配属プロジェクトでのテスト自動化の実装・改善  
・仕様・要件からのテストケース導出と、コードベースでのテスト実装 
・CI/CDパイプライン（GitHub Actions等）と連携した自動テストの組み込み・運用改善 
・Flaky Testの原因分析と、待機処理・テスト設計の見直しによる安定化 
・既存のテスト運用プロセスに対する課題抽出と改善提案 

2. 自動化ノウハウの標準化・組織資産化  
・プロジェクトを跨いで再利用できる共通ライブラリ・テンプレートの設計と整備 
・フレームワーク選定基準、テスト設計ガイドラインの策定 
・個人に蓄積されている実装ノウハウの言語化・ドキュメント化 
・SQA部門メンバーへの技術共有・コードレビュー

3. 生成AIを活用した自動化の推進・標準化  
・生成AIによるテストケース生成・テストコード生成の実装と、実用性の評価 
・既存のテスト仕様書・手順書から自動化対象を抽出し、テストコードへ変換する仕組みづくり 
・画面変更への追従やFlaky Test対応など、テストコード保守工程へのAI活用 
・AIエージェントによるテスト実行（Agentic Testing）関連ツールの調査・適用可否の判断 
・活用ノウハウの適用基準への落とし込みと、２の社内標準への組み込み 

※配属プロジェクトでの活用実績はありますが、社内標準としての整備はこれから着手する段階です。 

技術環境

※すべての経験は必要ありません。プロジェクトにより使用技術・活用範囲は異なります。 

テストフレームワーク ：Playwright, Selenium, Appium 等（プロジェクトにより採用状況は異なり、全社標準は未確定です） 
開発言語 ：Python, Java, JavaScript, TypeScript 等 
インフラ・CI/CD ：GitHub Actions, Docker, Kubernetes 等 
生成AI・LLM活用 ：LLM API、生成AIコーディング支援ツール、RAG、Agentic Testing関連ツール 等 
（テストケース生成、テストコード生成・保守、ログ解析等に活用。プロジェクトにより適用範囲は異なります）

応募資格

【必須】

• コードベースでのテスト自動化の実務経験（通算2年程度） 
  仕様・要件からテストケースを導出し、実装できる粒度まで落とし込んだご経験を含みます。 
  対象言語：Python / Java / JavaScript / TypeScript のいずれか 
  フレームワーク：Playwright / Selenium / Appium などのいずれか 
• 過去の成功体験や従来の手法に固執せず、生成AI等の新しい手段を用いて自ら変化・成長しようとする姿勢 

※本ポジションはコードでの実装を担っていただきます。
　MagicPod / Autify / mabl 等のノーコード・ローコードツールの操作経験のみの場合は、対象外とさせていただきます。 

※経験年数が2年に満たない場合でも、テスト設計から実装まで一貫して担当されたご経験があればご相談ください。

【歓迎】

• 開発工程に入り込み、上流から品質を作り込むインプロセスQAの経験
• 生成AIツールを活用した開発・テスト業務の実務経験（業務外での継続的な活用経験も含む）
• LLM APIを用いた開発経験、またはプロンプト設計・出力評価に関する知見
• 複数プロジェクトで再利用可能な自動化基盤・共通ライブラリの構築経験
• CI/CDパイプライン（GitHub Actions等）へのテスト自動化の組み込み・連携経験
• E2E（End-to-End）テストに関する知識および構築経験
• 自身の実装ノウハウをドキュメント化し、他メンバーへ展開した経験
• 新しい技術の導入可否を、検証を設計したうえで判断した経験
• ノーコード／ローコードツールとコードベース自動化の双方を用いた、使い分けの判断経験 

求める人物像

• QA領域で専門性を積み上げ、スペシャリストとしてキャリアを築いていきたい方
• 業務が特定の人に依存している状態を良しとせず、仕組み化・標準化を志向する方
• 自ら現場に入り込み、制約のある環境でも実現可能な打ち手を見つけられる方
• 整備されていない領域に、自分で構造を作りにいくことを楽しめる方
• 前例のない技術でも、期待値を鵜呑みにせず自分で検証して判断できる方 

このポジションで得られること

■生成AI×テスト自動化を標準化する経験
ツールの利用者ではなく、適用範囲の見極めから標準化までを設計する側に回れます。案件単位の活用にとどまりがちな領域を、組織として再現できる形に落とし込む経験が得られます。 

■組織横断で品質を設計する経験
単一プロジェクトの自動化に閉じず、複数現場に展開する標準づくりに関与できます。個人の実装力を、他者が再現できる仕組みへ翻訳する力は、社内に閉じないポータブルなスキルになります。 

■裁量の大きさ
社内標準の整備を進めるため、フレームワーク選定からガイドライン策定まで、設計判断そのものを担っていただきます。既存ルールへの追従ではなく、ルールを作る側の経験です。 

■多様な現場での実装経験
常駐先ごとに異なる技術スタック。