LINE Yahoo: юнит продуктового QA с Codex сократил трудозатраты на 49,4%

Юнит продуктового QA входит в межфункциональную организацию CTO-домена LINEヤフー, насчитывает около 20 человек в Фукуоке и Токио и поддерживает качество сервисов компании: от пользовательского опыта до процессов разработки. QA-работа требует постоянно собирать информацию из решений проекта, артефактов и неформализованных знаний и переносить её в тестовые документы. Компания считает эту работу по сбору и анализу большого объёма информации подходящей для ИИ. Задача состояла в том, чтобы ускорить QA и превратить применение ИИ-агентов из личного навыка отдельных сотрудников в общую возможность организации; при этом требовалось закрыть риски безопасности.

QA Agent Platform (QAAP) — общий шаблонный репозиторий для работы с OpenAI Codex (CLI и приложение). В него заранее встроены специализированные QA-навыки и защитные ограничения. Сотрудники делают Fork репозитория; он размещён на GitHub Enterprise, поэтому доступен внутри компании. Получив задачу, Codex через внутренние MCP-серверы собирает информацию, а навык под конкретную задачу создаёт тестовый артефакт. Безопасность построена многоуровневой защитой: на входе блокируется отправка строк, похожих на API-ключи и токены; во время работы выполнение политик Codex не даёт читать секреты из .env; перед созданием pull request статическая проверка ищет ссылки на открытые секреты. Необратимые команды удаления агенту запрещены.

Продвижение генеративного ИИ в юните началось за год до создания QAAP: Slack-канал, подгруппы, лайтнинг-токи, цели с ИИ-пунктами. Опрос по модели зрелости навыков показал, что больше половины сотрудников находятся на уровнях 1–2. В феврале 2026 года все сотрудники собрались в Фукуоке на однодневный практикум по применению QAAP к реальным задачам. После него компания перешла на опросы об использовании QAAP: результаты разбирают на двухнедельной встрече юнита, на встрече команды развития платформы и на встрече руководителей. К августу 2026 года, по данным компании, юнит показал 100% использования ИИ и самую высокую медиану частоты среди подразделений компании; время QA-работ сократилось на 49,4%.