スクエニがGeminiでゲームQAを自動化|AIが画面を見てコントローラー操作・2027年までにQA7割AI化・東大松尾研との共同研究を解説【2026年11月最新】

この記事のポイント
スクウェア・エニックスがGeminiを使い、AIがゲーム画面を見てコントローラーを操作するQA自動化を開発しています。2027年末までにQA7割を自動化する目標、東大 松尾・岩澤研との共同研究、2026年11月の最新講演とIR資料、まだ公表されていないことを一次情報で整理します。
スクウェア・エニックス(以下スクエニ)は、Google Cloud の生成AI「Gemini」がゲーム画面を見て状況を判断し、コントローラーを操作しながらQA(品質保証)テストを進める仕組みを開発しています。背景には、2025年11月に掲げた「2027年末までにQA・デバッグ作業の70%を自動化する」という目標と、東京大学 松尾・岩澤研究室との共同研究があり、2026年7月のGoogle Cloud Next Tokyo '26でデモが公開されました。
この記事でわかること
- スクエニのQA自動化について、いつ・何が発表されたか(IR資料・CEDEC・Google Cloud Next・CEDEC+KYUSHU 2026の時系列)
- AIが「画面を見てコントローラーを操作する」仕組みと、2025年から2026年秋までの変化
- 従来のスクリプト型自動テストとの違い
- 「QAの7割をAI化」という目標の中身と、2026年11月時点でも公表されていないこと
- カプコンなど他社の取り組みとの違い
- 人間のQA担当者への影響と、業界から出ている批判
- 自社のゲーム・アプリのQAに生成AIを入れるときの判断基準とセキュリティ上の注意点
こんな方に向けた記事です
- ニュースを見て「実際どこまで進んでいるのか」を正確に知りたい方
- ゲーム開発・QAに関わっていて、生成AIによるテスト自動化を検討している方
- Geminiのマルチモーダル機能や画面操作AIの業務活用事例を探している方
2026年11月時点でわかっていること
- 公開されているのは研究開発・デモ段階の取り組みです。Google Cloud Next Tokyo '26では、「船を見たい」という指示でGeminiが地図を開き、コントローラーを操作してQAを進める様子が紹介されました
- 「2027年末までにQA・デバッグの70%を自動化」は目標値です。2026年11月11日に出た最新の中期経営計画の進捗報告にも、QA自動化の進捗率は載っていません。70%が工数ベースか項目数ベースかも示されていません
- 2026年11月14日のCEDEC+KYUSHU 2026の講演タイトルは「人とAIで協力」でした。スクエニ自身も、AIにすべてを任せるのではなく人とAIで分担する方向をはっきり打ち出しています
スクエニのGeminiによるゲームQA自動化とは

Geminiのマルチモーダル能力(画像・音声などを理解する能力)を使い、AIが人間のテスターのようにゲームを動かして確認作業をする仕組みです。社内の研究開発で、外部向けの製品やサービスとしては提供されていません。
Google Cloud 公式ブログの基調講演まとめでは、スクエニの取り組みが「見て、考えて、動く AI」という見出しで紹介されています。ブログに書かれているのは次の内容です。
- 音や画面を理解するマルチモーダルAIの活用を目指し、Gemini Enterprise Agent Platformを採用した
- ゲームQA自動化のデモ動画で、「船を見たい」という指示に応じてGeminiが地図を開き、コントローラーを操作してQAを進める様子を紹介した
- 『ドラゴンクエストX オンライン』で期間限定のクローズドβとして提供していた対話型AIバディ「おしゃべりスラミィ」もあわせて紹介した(QAとは別の取り組み)
登壇したのは、ITmedia AI+の報道によればスクエニ AI&エンジン開発ディビジョン ジェネラル・マネージャーの荒牧岳志氏です。同報道では、自動化の対象として「テスト設計、QAの自動プレイ、グラフィックス不具合検出、テキストチェック」が挙げられ、「QAテストは工数の増大が課題」と説明されています。
確認できている事実と、まだ公表されていないこと
ニュースの見出しだけを見ると「AIがQAを丸ごと置き換えた」ように読めますが、公表されている範囲は限られています。資料ごとに書かれている内容も違うため、出どころもあわせて整理しました。
項目 | 内容 | 確認状況 |
|---|---|---|
使っているAI基盤 | Gemini Enterprise Agent Platform | Google Cloud 公式ブログで確認 |
デモの内容 | 「船を見たい」の指示で地図を開き、コントローラーを操作 | Google Cloud 公式ブログで確認 |
自動化の対象範囲 | テスト設計/自動プレイ/グラフィックス不具合検出/テキストチェック | ITmedia AI+の報道 |
70%自動化の目標 | 2027年末までにQA・デバッグ作業の70% | スクエニHD IR資料(2025年11月6日)で確認 |
技術の構成(3層構造・動画からの学習) | Planning層/Skill層/API層 | CEDEC 2026 公式概要で確認。Geminiの名前は書かれていない |
使用したGeminiのモデル名・バージョン | 不明 | 公表されていない |
Computer Use機能を使っているか | 不明 | 公表されていない |
デモの対象タイトル | 不明 | 公表されていない |
バグ検出率・削減工数などの成果 | 不明 | 公表されていない(CEDEC 2026の講演でも数値は示されず) |
本番のQA工程への適用範囲 | 不明 | 公表されていない |
70%目標の進捗 | 不明 | 2026年11月11日の中期経営計画進捗報告にも記載なし |
Google Cloud 公式ブログの記事公開日は2026年8月25日ですが、基調講演そのものは2026年7月30日に行われています。
Geminiそのものの概要はGeminiとは?、採用基盤についてはGemini Enterprise Agent Platformとはで詳しく解説しています。
発表の時系列:IR資料からCEDEC+KYUSHU 2026まで

出典: CEDEC 2026 公式サイト
この取り組みは、2025年11月の経営目標の公表、開発者向けカンファレンスでの技術発表、Google Cloudイベントでのデモ、「人とAIの協力」を掲げた講演という順で、段階的に公開されてきました。
日付 | 出来事 | 出典 |
|---|---|---|
2025年11月6日 | 中期経営計画の進捗報告で「2027年末までにQA・デバッグの70%自動化」「東大 松尾・岩澤研究室と約10名以上の共同研究チーム」を公表 | スクエニHD IR資料(公式) |
2025年11月 | 米英のパブリッシング組織で人員削減が報じられ、QA自動化目標とあわせて業界から批判も出る | VGC、GameBusiness.jp などの報道 |
2025年11月29日 | CEDEC+KYUSHU 2025で、松尾・岩澤研究室との共同研究の講演 | 4Gamerの講演レポート(二次情報) |
2026年4月22日 | Google CloudがVertex AIを「Gemini Enterprise Agent Platform」に刷新 | Google Cloud |
2026年5月14日 | 2026年3月期の決算説明会。AI活用として出版部門の写植指定ツールに言及。QA 70%の進捗数値はなし | スクエニHD IR資料(公式) |
2026年7月22日 | CEDEC 2026で「スクリプト不要、仕込みも最小限。動画と生成AIで挑むゲームQAの現在地」を講演 | CEDEC 2026 公式 |
2026年7月30日 | Google Cloud Next Tokyo '26 基調講演で、GeminiによるQA自動化デモとおしゃべりスラミィを紹介 | Google Cloud 公式ブログ |
2026年10月19日 | CEDEC 2026講演の詳しいレポートが公開。デモは「道具屋でやくそうを3つ買う」など | ゲームメーカーズ |
2026年11月11日 | 中期経営計画の進捗報告(2026年11月版)と第2四半期決算。「AI利活用推進」には触れているが、QA自動化・松尾研との共同研究の進捗数値はなし | スクエニHD IR資料(公式) |
2026年11月14日 | CEDEC+KYUSHU 2026で「人とAIで協力。お手本動画から広がるゲームQA自動化の現在地」を講演 | CEDEC+KYUSHU 2026 公式 |
2026年11月18日時点 | 70%目標の達成・進捗率に関する公式発表は確認できず | — |
公式資料の原文は次のページで確認できます。
- スクウェア・エニックス・ホールディングス「中期経営計画 進捗報告」(2025年11月6日・PDF)
- スクウェア・エニックス・ホールディングス「中期経営計画 進捗報告」(2026年11月11日・PDF)
- Google Cloud 公式ブログ「Google Cloud Next Tokyo 26 DAY 1 基調講演まとめ」
- CEDEC 2026「スクリプト不要、仕込みも最小限。動画と生成AIで挑むゲームQAの現在地」
- CEDEC+KYUSHU 2026「人とAIで協力。お手本動画から広がるゲームQA自動化の現在地」
AIが画面を見てコントローラーを操作する仕組み

出典: Google公式ブログ
仕組みの中心は、ゲーム側に専用の仕込みをほとんど入れず、人間と同じく「画面を見て、コントローラーを入力する」ところにあります。QA担当者が言葉や動画で「何を確認したいか」を伝え、AIが画面を見ながら次の操作を決めて実行します。
公表資料をたどると、仕組みは1年で次のように変わってきました。
時期 | 発表の場 | 構成の特徴 | AIへの渡し方 |
|---|---|---|---|
2025年11月 | CEDEC+KYUSHU 2025(松尾・岩澤研との共同研究) | 実行役と評価役のAIを分けた二層構造。経路探索はA* | 画面に加え、位置や通行できないマスなどをJSONのログで渡す |
2026年7月 | CEDEC 2026 | Planning層・Skill層・API層の3層構造 | 自然言語の指示と、人が遊んだ動画・パッド操作のログ |
2026年11月 | CEDEC+KYUSHU 2026 | 人とAIが協力してテストを作る | QAのテストリストを渡し、足りない情報やお手本動画をAIが人に求める |
ゲームの内部データに頼る部分を減らし、人が遊んだ動画から学ぶ方向へ移ってきたことがわかります。
共同研究で報じられた「二層構造」
2025年11月のCEDEC+KYUSHU 2025では、スクエニと松尾・岩澤研究室の研究者が共同研究について講演しました。4Gamerの講演レポートによれば、次のような設計です(公式の講演資料は確認できていません)。
- 行動を決めるAIと、その行動が正しいかを確かめるAIを分けた構成。役割を分けることで、AIがもっともらしい誤りを出す問題(ハルシネーション)を抑える
- 仕様書から抜き出したコマンドの遷移などを、事前情報としてAIに渡す
- プレイヤーやNPCの位置、マップの大きさ、通行できないマスなどをJSON形式のログで渡す。LLMは目的地を考えるだけにして、経路探索はA*(エースター)アルゴリズムに任せる
- この工夫で、最初の村のすべての建物へ移動できるようになった
一方で、手順の多いタスク、細かい移動、キャラクターの向きの把握(宝箱の右側に回り込んで開ける、など)はうまくいかなかったと説明されています。「画面を見るだけで何でも判断できる」わけではなく、AIの弱点をログや別のAIで補う設計になっている点が実務上のポイントです。
CEDEC 2026で示された3層構造と動画からの学習
2026年7月22日のCEDEC 2026では、AI&エンジン開発ディビジョンの岩崎浩氏とボエダ ゴティエ氏が講演しました。公式のセッション概要によると、狙いはテストスクリプトの保守の手間と、専用デバッグ機能への依存を減らすことです。構成は3つの層に分かれています。
層 | 役割 | 中身 |
|---|---|---|
Planning層 | 指示から計画を立てる | 基盤モデルが目標をToDoに分解し、画面の変化から次の行動を決める。うまくいったかは確認用のVLMが判定する |
Skill層 | よく使う手順をまとめる | 「装備変更」「移動」「アイテムを買う」などの手順。自然言語で書く手順書型と、Pythonで書くスクリプト型の2種類 |
API層 | 実際に操作する | 画像認識による移動とUI操作、仮想ゲームパッドの入出力、OCR。考えるのは基盤モデル、操作は処理の速い専用モデル |
VLM(Vision Language Model)は、画像と言葉をあわせて理解できるAIモデルのことです。
このほか、2つの技術が紹介されています。
- スキルマイニング:開発者やQA担当者が手で遊んだ動画とパッド操作のログを正解データにし、LLMでラベルを付けて操作を抜き出し、ライブラリにする
- AIリプレイ:製品版に近いROMで、動画を目標として参照しながら自分で移動する。今の画面と目標の画像の差を埋めるように操作を決め、位置のずれを自分で直す。地図は座標を使わず、動画のフレームの見た目の特徴から作る
ゲームメーカーズの講演レポート(2026年10月19日)によると、デモは「道具屋でやくそうを3つ買う」タスク、行き詰まりからの立ち直り、3Dゲームでの障害物の回避などでした。ゴティエ氏はナビゲーションについて「現状の性能でも十分に実用に耐えうる」と述べた一方、岩崎氏は「すべてをAIに置き換える目的ではない」と話しています。成功率や削減できた工数などの数値は示されていません。
なお、CEDEC 2026の公式概要には「LLM/VLM」とだけ書かれていて、Google Geminiを使っているという記載はありません。Geminiとの関係がはっきり書かれているのは、Google Cloud Next Tokyo '26の発表です。
2026年11月の講演:「人とAIで協力」してテストを作る
2026年11月14日のCEDEC+KYUSHU 2026では、岩崎浩氏が「人とAIで協力。お手本動画から広がるゲームQA自動化の現在地」という招待講演をしました。公式のセッション概要に書かれている流れは次のとおりです。
- QA担当者がテストリストをAIに渡す
- AIが、足りない情報や「お手本の動画」を人に求める
- 人が実際に遊んで見せた操作から、AIが操作方法を学ぶ
- 敵・アイテム・条件などを変えたバリエーションに広げて、AIがテストを実行する
テスト計画の生成、画面認識、UI操作、コントローラー操作の基盤技術に加え、実運用に向けた現在の課題も扱うと書かれています。AIが全部を引き受けるのではなく、人が示した1回のお手本をAIが何十通りにも広げる、という役割分担です。
2026年11月18日時点では、この講演の詳しいレポートは確認できていません。実運用の状況や数値は、続報が出てから判断する必要があります。同じイベントでスクエニが行った別のセッション「AIエージェント×ゲームエンジン!」は、ゲームエンジン上で開発を手伝うAIの話で、QA自動化とは別です。
Gemini APIの「Computer Use」との関係
「画面を見て操作するAI」というと、Gemini APIのComputer Use機能を思い浮かべる方も多いはずです。2026年11月時点の公式ドキュメントでは、Computer Useの対応モデルは次のとおりです。
- Gemini 4 Carbon(Gemini 4 Carbonとは)
- Gemini 4 Argon(Gemini 4 Argonとは)
- Gemini 4 Hydrogen(Gemini 4 Hydrogenとは)
- Gemini 3.8 Flash(公式では「前世代のFlash」という扱い)
- Gemini 3.5 Flash-Lite、Gemini 3 Flash Preview
対応する環境は、ブラウザ、Androidのモバイル、OSレベルで操作するデスクトップの3種類です。料金はComputer Use専用ではなく、使うモデルの料金で計算されます。単価はモデルごとの料金ページで確認してください。
ただし、スクエニがComputer Use機能そのものを使っているかは公表されていません。確認できるのは「Geminiのマルチモーダル能力を、Gemini Enterprise Agent Platform上で使っている」ところまでです。CEDEC 2026の発表を見る限り、操作には自社で作った専用モデルや仮想ゲームパッドを組み合わせています。Computer Useの仕組みと使い方はGemini Computer Useとはで解説しています。
従来のゲーム自動テストと何が違うのか
最大の違いは、手順をコードで書くのではなく、目的を言葉で伝え、人が遊んだ動画を見せることでAIが操作を組み立てる点です。仕様変更のたびにテストスクリプトを書き直す手間を減らせると期待されています。
比較ポイント | 従来のスクリプト型自動テスト | 生成AIによる自律型QA(スクエニの方式) |
|---|---|---|
指示の仕方 | 操作手順をコードで書く | 自然言語のテストリストと、人が遊んだお手本動画 |
仕様変更への対応 | スクリプトの修正が必要で、保守の手間が大きい | 画面を見て判断し直すため、影響が小さいとされる |
ゲーム側の準備 | 専用のデバッグ機能やAPI連携が必要なことが多い | 専用の仕込みは最小限。画面と仮想ゲームパッドで動く |
得意なこと | 決まった手順の高速な繰り返し、回帰テスト | 状況判断が必要な操作、条件を変えたバリエーションのテスト |
弱点 | 想定外の画面遷移に弱い | 画面の読み違い、同じ誤操作の繰り返し(はまり)、手本から大きく外れた状況、処理の重さ |
※右列は、CEDECの公式概要と講演レポートをもとにした整理です。スクエニが従来手法との数値比較を公表したわけではありません。弱点のうち「画面の読み違いが失敗の根本原因になりやすい」「手本の道筋から大きく外れると失敗が増える」は、講演で挙げられた課題です。
実務では「スクリプト型をやめて生成AIに置き換える」より、決まった手順の回帰テストはスクリプト型、画面判断が必要な確認や条件の展開は生成AIと使い分ける形が現実的です。
参考までに、生成AI以前の自動プレイでも成果は出ています。アトラスはCEDEC 2024で、『ペルソナ3 リロード』の自動プレイによるバグ検出で、人手なら300日かかる作業を減らしたと発表しました(ファミ通の報道)。こちらはスクリプト系の自動プレイで、生成AIとは仕組みが違います。
「2027年までにQA7割をAI化」目標と東大松尾研との共同研究

出典: 東京大学 松尾・岩澤研究室
70%という数字は、スクエニの中期経営計画の施策の1つとして示された目標です。IR資料には目的と体制まで書かれていますが、その後の進捗は2026年11月時点でも出ていません。
IR資料に書かれている内容
2025年11月6日の中期経営計画進捗報告(日本語版p.5)には、次の内容が載っています。
- 生成AIを活用したゲームQA工程の自動化技術を、東京大学 松尾・岩澤研究室と共同開発する
- 目標:2027年末までに、ゲーム開発におけるQA・デバッグ作業のうち70%を自動化する
- 狙い:QA作業の効率化と、ゲーム開発における競争優位の確立
- 体制:松尾・岩澤研究室の研究者とグループ内のエンジニアによる約10名以上のチーム(英語版では "more than ten")
- あわせて、AIをテーマにした全社のビジネスアイデアコンテストを実施し、複数の案をプロジェクト化
同じ資料では、AIやデータマーケティングなどへの戦略投資として、総額800〜1,000億円の枠も示されています。QA自動化に個別でいくら使うかは公表されていません。
2026年11月の進捗報告で確認できたこと
2026年11月11日に出た中期経営計画の進捗報告(2026年11月版)では、これまでの振り返りとして「国内におけるAI利活用推進に向けた体制及びガイドライン構築」が挙げられ、経営基盤の施策にも「AI利活用推進」が入っています。
ただし、資料には「QA」「自動化」「松尾」の記載がなく、70%目標に対してどこまで進んだかは書かれていません。同じ日の第2四半期決算説明会資料にもAIやQAの記載はありませんでした。業績自体は好調で、上期は売上高1,631億円、営業利益387億円(前年同期比42.2%増)、通期の営業利益予想は490億円から590億円に引き上げられています。
決算説明会の質疑応答の概要は例年1〜2週間ほど遅れて公開されます。QA自動化について質問があれば、そこで新しい情報が出る可能性があります。
70%目標を読むときの注意点
数字だけが一人歩きしやすいため、読むときは次の点に気をつけてください。
- 母数が決まっていない:IR資料では、70%が作業時間ベースなのか、テスト項目数ベースなのかが示されていません
- 進捗は公表されていない:2026年5月と11月の資料のどちらにも、QA自動化の進捗数値は載っていません。目標期限の2027年末まで、残りは約1年です
- 「松尾研究所」とは別組織:共同研究の相手は東京大学の松尾・岩澤研究室です。株式会社松尾研究所(企業)と混同した報道もあるので注意が必要です。研究室側からの公式プレスリリースは確認できていません
同じ業種で、どの業務から開発に手を付けるかを整理します
初回相談は無料・30分(オンライン)。要件が決まっていなくても大丈夫です。改修100万円〜・PoC300万円〜(税別)
カプコンなど他社のゲームQA×AIとの違い

ゲームQAの生成AI活用はスクエニだけの動きではありません。カプコンも同じGemini Enterprise Agent Platformを使っていますが、スクエニは「AIが遊んで確かめる」こと、カプコンは「どこを重点的に見るか」をAIで決めることに力点があります。
比較ポイント | スクウェア・エニックス | カプコン |
|---|---|---|
公表された場 | スクエニHD IR資料、CEDEC 2026、Google Cloud Next Tokyo '26、CEDEC+KYUSHU 2026 | Google Cloud 公式ブログ(2026年4月、日本語版は5月) |
AI基盤 | Gemini Enterprise Agent Platform | Gemini Enterprise Agent Platform |
中心になる仕組み | 人のお手本動画とテストリストから操作を学び、画面を見てコントローラーを操作 | 複数のAIエージェントで分担(画面の見た目を検査する、不具合が起きやすい箇所を予測してテストを集中させる、社内の知見を共有する など) |
公表された規模・数値 | 2027年末までにQA・デバッグの70%を自動化(目標) | 月30,000時間以上の自律プレイテスト |
対象タイトル | 公表されていない | 『モンスターハンターストーリーズ3 ~運命の双竜~』に言及 |
共同研究 | 東京大学 松尾・岩澤研究室 | 公表情報では確認できず |
成果の数値(バグ検出率・コスト削減率) | 公表されていない | 公表されていない |
カプコンの視覚検査エージェントは、Geminiの画像理解を使って「わざと暗くしている演出」と「表示の不具合」を見分けるとされています。どちらも画面を起点にしたAI活用ですが、スクエニは操作そのものの自動化、カプコンはテストの効率と判定の精度に重心があります。
カプコンの取り組みはGoogle Cloud 公式ブログのカプコン事例で紹介されています。ゲーム業界全体のAI活用はゲーム業界のAI活用事例、エンタメ領域まで広げた事例はエンタメ業界のAI活用事例にまとめています。
人間のQA担当者は不要になるのか
現時点の公表内容から見る限り、人間のQA担当者がいらなくなる段階ではありません。スクエニ自身もCEDEC 2026で「すべてをAIに置き換える目的ではない」と話し、CEDEC+KYUSHU 2026では「AIにすべてを任せるのではなく人とAIが協力」を講演の柱にしています。
AIが担うのは、人が決めたテスト項目を、人が見せたお手本をもとに数多く試す部分です。何をテストするかの判断、お手本となるプレイ、遊んだときの面白さや難易度バランスの評価は人の仕事として残ります。ITmedia AI+の報道でも、繰り返しの作業をAIに任せ、開発者がクリエイティブな作業に集中できるようにすることが狙いとして説明されています。
人員削減と業界からの批判
一方で、70%目標が発表された2025年11月には、スクエニが米国・英国のパブリッシング組織で人員削減を進めていると報じられました。報道では英国で約137名に影響があるとされ、対象部門にはQAも含まれていたとされています。
時期が重なったため、業界からは批判も出ました。『バルダーズ・ゲート3』で知られるLarian Studiosのパブリッシングディレクター、Michael Douse氏は「AIと自動化はQAに不可欠だが、大規模に置き換えられると考えるのは愚か」「QAは業界への入り口だ」という趣旨の発言をしています(GameBusiness.jp)。
ただし、スクエニは人員削減とQA自動化の関係について公式には何も述べていません。両者を因果関係として結びつけるのは早計です。
生成AIが仕事のどの部分を担えるのかを基礎から整理したい方は、生成AIとは?もあわせてご覧ください。
自社のゲーム・アプリQAに生成AIを入れるなら

出典: Google AI Studio
スクエニの事例は大手の研究開発段階のものですが、同じ考え方を小さく試すこと自体は、クラウドの生成AIサービスで現実的になってきています。ただし、画面を操作するAIはまだ誤りが出やすく、未発表作品のデータを外部に送る問題もあります。
生成AIに任せやすい工程・任せにくい工程
工程 | 生成AIとの相性 | 理由 |
|---|---|---|
探索的なプレイ(指定した場所へ移動、メニューを開くなど) | 任せやすい | 画面を見て判断する作業で、スクリプトでは書きにくい |
お手本の操作を条件違いで繰り返す(敵・アイテムを変える等) | 任せやすい | スクエニが2026年11月の講演で掲げている使い方に近い |
テキストチェック(誤字、表示崩れ、翻訳の抜け) | 任せやすい | 画面上の文字を読み取って比べる作業と相性がよい |
グラフィックの不具合検出 | 補助として有効 | 明らかな崩れは見つけやすいが、演出との区別など判定基準の調整が必要 |
回帰テスト(毎回同じ手順の確認) | 補助的 | 再現性が大事なため、スクリプト型との併用が無難 |
細かい移動・向きの調整が必要な操作 | まだ難しい | 共同研究でもうまくいかなかった点として挙げられている |
面白さ・難易度バランスの評価 | 任せにくい | 判断基準が主観的で、人の評価が欠かせない |
厳密に同じ結果を求める検証(課金・認証など) | 任せにくい | AIの判断は毎回同じになるとは限らない |
基盤となるGoogle Cloudのサービス
スクエニが採用したGemini Enterprise Agent Platformは、2026年4月にVertex AIから名前を変えた企業向けのAIエージェント基盤です。料金は使った分だけ払う従量課金で、モデルの呼び出し、ツール、ストレージ、計算資源などに応じて費用がかかります。単価は変わりやすいので、導入前に公式の料金ページで確認してください。
画面操作を伴う自動化を自社で試すなら、Gemini APIのComputer Useも選択肢になります。同じ「画面を見て操作するAI」としては、AnthropicのClaude Computer UseやOpenAIのCodex Computer Useもあります。
ただ、ゲーム機のコントローラー入力をAIにつなぐ部分や、テスト結果を既存の不具合管理システムに流す部分は、どのサービスを選んでも自社で作る必要があります。社内の開発・QAの仕組みに組み込むときの進め方と費用感は、AI開発の費用相場を目安にしてください。
セキュリティとデータ取り扱いの注意点
ゲームQAでは、未発表タイトルの画面や仕様書をクラウドのAIに送ることになります。導入前に確認しておきたいのは次の点です。
- データの扱いの契約:入力したデータがAIの学習に使われない企業向けの契約・設定になっているか
- 処理する地域:国内でデータを処理できるか。Next Tokyo '26では、Gemini 3.5 Flashを国内で処理を完結できる形で一般提供すると発表されています(詳しくはGemini 3.5 Flashとは)。Computer Useの最新の対応モデルであるGemini 4系が国内処理に対応しているかは、2026年11月時点で確認できていません
- 公式の警告:Computer Useの公式ドキュメントには、エラーやセキュリティ上の脆弱性を含む可能性があること、重要な作業は人が注意深く監督すること、重要な判断や機密データを扱う作業には使わないことが書かれています。本番の開発環境や機密データに触れさせる前に、切り離した環境で試すのが安全です
- AIの判定を確かめる仕組み:AIが「問題なし」と判断しても見落としはありえます。スクエニも確認用のAIを別に置いています。評価役のAIを用意し、最後は人が確認する二重のチェックが必要です
- 操作権限の範囲:AIに操作させるのはテスト用の端末・アカウントに限り、社内の他のシステムには触れさせない構成にしておきましょう
AIに自律的に作業させる考え方の全体像は、AIエージェントとは?で整理しています。
こんな開発チームにおすすめ/おすすめしない開発チーム
生成AIによるQA自動化を試す価値があるチーム
- オープンワールドやRPGなど、画面遷移や操作パターンが多く、テスト項目が膨らみやすいタイトルを開発している
- 仕様変更が多く、スクリプト型の自動テストの保守に手間がかかっている
- 敵・アイテム・条件の組み合わせが多く、同じ操作を条件を変えて何度も確かめる必要がある
- テキスト量が多く、誤字・表示崩れ・多言語版のチェックに人手を取られている
- 企業向けのクラウド契約があり、未発表データを外部サービスで扱う社内ルールを整えられる
- QA担当者がお手本のプレイを用意し、AIの結果を確認する時間を取れる
現時点ではおすすめしないチーム
- テスト対象が少なく、手作業や既存のスクリプトで十分に回っている
- 未発表データをクラウドに出すことが、契約上・社内規程上できない
- 「AIに任せればQA担当者を減らせる」と、短期的なコスト削減だけを目的にしている
- 厳密な再現性が求められる検証(認証・課金処理など)を中心に自動化したい
- AIの判定結果を人が確認する工数を確保できない
よくある質問
Q. スクエニのどのゲームでAIによるQAが使われていますか?
公表されていません。Google Cloud Next Tokyo '26のデモで使われたタイトル名も明らかにされていません。同じ基調講演で紹介された「おしゃべりスラミィ」は『ドラゴンクエストX オンライン』の取り組みですが、プレイヤーと会話するAIバディで、QA自動化とは別のものです。
Q. スクエニのQA自動化AIは、他社も使えるのですか?
現時点では使えません。社内の研究開発として進められていて、外部向けの製品やサービスとして販売するという発表はありません。似た仕組みを試したい場合は、Gemini APIのComputer Useなど一般に公開されている機能を使い、自社で組み立てることになります。
Q. AIでQAをするようになれば、スクエニのゲームからバグはなくなりますか?
なくなるとは言えません。AIが確認できる範囲が広がれば、人が見るべき部分に時間を回せるようになりますが、AIにも見落としはあります。バグの数は開発規模やスケジュールにも左右されるため、QAの自動化だけで品質が決まるわけではありません。
Q. 個人や小規模チームでも同じようなことはできますか?
規模を小さくすれば試せます。画面を見て操作するAIの機能は一般の開発者にも公開されています。ただし、ゲーム機のコントローラー入力をAIにつなぐ仕組みやテスト結果の評価方法は自分で作る必要があり、研究チームを組んで作り込んだスクエニのシステムと同じものがすぐに手に入るわけではありません。
Q. 東大 松尾・岩澤研究室とはどんな研究室ですか?
東京大学大学院工学系研究科に属し、深層学習や大規模言語モデルの研究で知られる研究室です。生成AIの研究開発や人材育成で、企業との共同研究を多く手がけています。企業として活動する株式会社松尾研究所とは別の組織です。
Q. 70%の目標が達成されたかどうかは、どこで確認できますか?
スクエニHDのIR資料(決算説明会資料や中期経営計画の進捗報告)が一次情報です。2026年11月11日の最新の進捗報告にも進捗率は載っていません。決算説明会の質疑応答の概要や、CEDECなどの技術講演のレポートで続報が出る可能性があります。
まとめ
スクエニのGeminiによるゲームQA自動化は、AIがゲーム画面を見てコントローラーを操作し、人が決めたテスト項目を進める取り組みです。2025年11月に「2027年末までにQA・デバッグの70%を自動化」という目標と東大 松尾・岩澤研究室との共同研究を公表し、2026年7月のCEDEC 2026とGoogle Cloud Next Tokyo '26で仕組みとデモを公開しました。11月のCEDEC+KYUSHU 2026では、人のお手本動画からAIが学んでテストを広げる「人とAIの協力」を打ち出しています。
一方で、使っているモデル、対象タイトル、削減できた工数などの成果、70%目標の進捗は、2026年11月の最新IRでも公表されていません。現時点では「AIがQAを置き換えた」のではなく、「人が示した手本をもとに、画面判断の必要な確認作業をAIが広げていく段階」と捉えるのが妥当です。
自社でも生成AIによるQA自動化を考えるなら、任せる工程を絞り、データの扱いと人による最終確認の体制を先に決めてから小さく試すのがおすすめです。画面操作AIの仕組みはGemini Computer Useとは、業界全体の動向はゲーム業界のAI活用事例もあわせてご覧ください。
同じ業種で、どの業務から開発に手を付けるかを整理します
この記事の著者

AI革命
編集部
AI革命株式会社の編集部です。最新のAI技術動向から実践的な導入事例まで、企業のデジタル変革に役立つ情報をお届けしています。豊富な経験と専門知識を活かし、読者の皆様にとって価値のあるコンテンツを制作しています。
最新記事

Claude Code Hooks 使い方|PreToolUse/PostToolUse/Stop/SubagentStop 完全ガイド
2026/04/22

Claude Code Routines 使い方完全ガイド【2026年11月最新】|スケジュールタスク(旧Routines)の定期実行・API・GitHub Event 設定と実行上限
2026/04/22

Augment Codeとは?機能・料金・使い方・Cursor/Claude Codeとの違いを徹底解説
2026/04/12

Everything Claude Codeとは?Claude Codeを最大化するOSSフレームワーク完全ガイド【2026年11月最新】
2026/04/17

Gemini Mac 自動操作(Computer use)の使い方|日本で使える?利用条件・設定手順・安全な許可の決め方【2026年11月】
2026/11/21

CLAUDE.md 書き方ベストプラクティス|設計パターン・300行ルール完全ガイド
2026/04/22


