1. なぜほとんどのAI QAツールは本番環境で失敗するのかパターンは今や馴染み深いものとなっている。チームがLLMをQAワークフローに統合し、デモが関係者を感心させ、3ヶ月後にはそのツールは静かに廃止される。生成されたテストは手作業での修正が必要だった。根本原因分析は、あらゆる失敗に適用できるほど一般的だった。データプロビジョニングは、環境を不整合な状態のままにした。オンコールエンジニアはそれに頼るのをやめ、手作業に戻る。問題はモデルにあることはめったにない。それはモデルを取り巻くエンジニアリングである。本番グレードのAIシステムには、他のあらゆるソフトウェアと同様の厳密さが必要である。品質ゲート、限定された障害モード、監査可能な出力、そしてシステムが自律的に何を行い、何を行わないかについての明確な契約である。ほとんどのAI QA統合は、これらすべてをスキップし、プロンプトの薄いラッパーを出荷し、なぜ採用が停滞するのか不思議に思う。