<專題座談報告>東大松尾研究室出身的AI新創企業「2WINS」代表小川,作為嘉賓登台日本最大規模軟體測試技術大會「JaSST'26 Tokyo」
Key facts
- <專題座談報告>東大松尾研究室出身的AI新創企業「2WINS」代表小川,作為嘉賓登台日本最大規模軟體測試技術大會「JaSST'26 Tokyo」
- 源自東京大學的AI新創企業2WINS的CEO小川椋徹,於JaSST'26 Tokyo大會上登台發表演講。他與Paul To Win公司共同探討了在AI驅動開發時代中QA角色所面臨的轉變與挑戰。
- Source: PR Times
- Date: 2026年4月4日
Direct answer
源自東京大學的AI新創企業2WINS的CEO小川椋徹,於JaSST'26 Tokyo大會上登台發表演講。他與Paul To Win公司共同探討了在AI驅動開發時代中QA角色所面臨的轉變與挑戰。
- Citation
- <專題座談報告>東大松尾研究室出身的AI新創企業「2WINS」代表小川,作為嘉賓登台日本最大規模軟體測試技術大會「JaSST'26 Tokyo」 (2026年4月4日), PR Times
- Source
- PR Times
- Date
- 2026年4月4日
源自東京大學的AI新創企業2WINS的CEO小川椋徹,於JaSST'26 Tokyo大會上登台發表演講。他與Paul To Win公司共同探討了在AI驅動開發時代中QA角色所面臨的轉變與挑戰。
📋 文章處理履歷
- 📰 發表: 2026年4月4日 01:00
- 🔍 收集: 2026年4月3日 17:09
- 🤖 AI分析完成: 2026年4月21日 03:24(收集後418小時14分鐘)
源自東京大學的AI新創企業株式會社2WINS(總部:東京都文京區,代表取締役CEO:小川椋徹,以下簡稱「2WINS」)的代表取締役CEO小川椋徹,於2026年3月20日(星期五)在東京國際展示場舉辦的國內軟體測試領域最大規模技術大會「2026東京軟體測試研討會(JaSST'26 Tokyo)」中,作為嘉賓登台參與了支援解決服務生命週期課題的Paul To Win株式會社(總部:愛知縣名古屋市,代表取締役CEO:志村 和昭,以下簡稱「Paul To Win」)的科技專題座談。
## 探索AI驅動開發時代中QA角色的專題座談
『AIDD(AI驅動開發)・SDD時代的QA應對――QA將什麼觀測為品質』
Paul To Win先端技術研究室室長久保雅之先生、Paul To Win技術推進室後藤香織女士,以及2WINS代表取締役CEO小川椋徹共同登台,從現場實務視角展開了關於處於AIDD(AI-Driven Development:AI驅動開發)與SDD(Spec Driven Development:規格驅動開發)時代變革之中的QA應對討論。活動當天採線上與線下混合形式舉辦,吸引了數十名與會者觀看。
在本場座談中,討論的主要核心主題為:「在AI承擔設計與測試流程的時代裡,『品質獲得保證』究竟意味著什麼?」Paul To Win技術推進室的後藤女士指出,隨著AI的普及,傳統品質保證的前提正被迫重新思考,並提出了重新定義「品質獲得保證狀態」的必要性。
對此,Paul To Win先端技術研究室的久保先生解釋了AI,特別是大型語言模型(LLM)的特性。他指出:「由於LLM是基於機率分佈來生成輸出,因此無法保證結果永遠正確,即使在程式碼生成或測試設計中也會包含一定程度的錯誤。基於這種特性,在應用AI的情況下,品質無法被決定論式地保證,而是需要以『機率性波動』為前提進行管理。如何處理這種『機率性波動』,已成為QA面臨的新論點。」
久保先生進一步指出,傳統軟體開發所依賴的「只要正確設計、實作與測試就能保證品質」的決定論思維,隨著AI被整合進開發流程中,正變得越來越難以成立。伴隨而來的是,品質評估的標準正逐漸從「正確性」轉向「正確性的機率」。
## 探索AI驅動開發時代中QA角色的專題座談
『AIDD(AI驅動開發)・SDD時代的QA應對――QA將什麼觀測為品質』
Paul To Win先端技術研究室室長久保雅之先生、Paul To Win技術推進室後藤香織女士,以及2WINS代表取締役CEO小川椋徹共同登台,從現場實務視角展開了關於處於AIDD(AI-Driven Development:AI驅動開發)與SDD(Spec Driven Development:規格驅動開發)時代變革之中的QA應對討論。活動當天採線上與線下混合形式舉辦,吸引了數十名與會者觀看。
在本場座談中,討論的主要核心主題為:「在AI承擔設計與測試流程的時代裡,『品質獲得保證』究竟意味著什麼?」Paul To Win技術推進室的後藤女士指出,隨著AI的普及,傳統品質保證的前提正被迫重新思考,並提出了重新定義「品質獲得保證狀態」的必要性。
對此,Paul To Win先端技術研究室的久保先生解釋了AI,特別是大型語言模型(LLM)的特性。他指出:「由於LLM是基於機率分佈來生成輸出,因此無法保證結果永遠正確,即使在程式碼生成或測試設計中也會包含一定程度的錯誤。基於這種特性,在應用AI的情況下,品質無法被決定論式地保證,而是需要以『機率性波動』為前提進行管理。如何處理這種『機率性波動』,已成為QA面臨的新論點。」
久保先生進一步指出,傳統軟體開發所依賴的「只要正確設計、實作與測試就能保證品質」的決定論思維,隨著AI被整合進開發流程中,正變得越來越難以成立。伴隨而來的是,品質評估的標準正逐漸從「正確性」轉向「正確性的機率」。
常見問題
「2WINS」是一家什麼樣的公司?其創辦人是誰?
「2WINS」是一家源自東京大學的AI新創企業,其代表取締役CEO是小川椋徹先生。
「JaSST'26 Tokyo」是什麼樣的活動?「2WINS」的代表為何會受邀參與?
「JaSST'26 Tokyo」是日本國內規模最大的軟體測試領域技術大會,2WINS的代表小川椋徹先生受邀作為嘉賓,參與了關於AI驅動開發時代QA應對的科技專題座談。
在AI驅動開發(AIDD)時代,QA的角色面臨哪些挑戰?
在AI驅動開發時代,QA面臨的挑戰是如何重新定義「品質獲得保證狀態」,因為AI生成內容的機率性波動,使得傳統決定論式的品質保證變得困難。
大型語言模型(LLM)在程式碼生成和測試設計中存在什麼特性,對QA提出了什麼新論點?
LLM基於機率分佈生成輸出,無法保證結果永遠正確,可能包含錯誤。這使得品質無法決定論式保證,而是需要以「機率性波動」為前提進行管理,如何處理這種波動成為QA的新論點。
在AI整合進開發流程後,品質評估的標準有何轉變?
隨著AI整合進開發流程,品質評估的標準正逐漸從過去的「正確性」轉向「正確性的機率」,傳統上「只要正確設計、實作與測試就能保證品質」的決定論思維難以成立。