個人への依存を、AIで分散させる

Transcript

1. AI Coding / AI Rev iew at YOUTR US T 個人への依存を、AIで分散させる chocoyama / YOUTRUST 8 min LT
2. こんなこと、ありませんか？ 🚀 AI で、PR を出すのは驚くほど速くなった 🕒 なのに、マージされるまでは思ったほど速くない 📦 結果、ユーザーに価値を届けるスピードは あまり変わっていない 2 / 24
3. 今日話すこと YOUTRUST モバイルアプリチームが、 この課題を抱えていました その課題を、AI とともに段階的に取り組み、 大きく改善している話をします。 3 / 24
4. chocoyama（たまねぎ）/ YOUTRUST 4 / 24
5. 最近の個人AI活用 個人開発を、 擬似チーム開発に 自分以外全員 AI の Slack 風チャ ットアプリを自作。存在しない人 たちと日々開発している。 #develop／ Issue 起票や PR 作成も可能 5 / 24
6. ここから会社の話 6 / 24
7. 入社時点の状況（2025年秋） コード品質担保のため、1人が全員分をレビュー 👩‍💻 ＋AI 🧑‍💻 ＋AI 👨‍💻 ＋AI 🧑‍💻 ＋AI 🧑‍🔧 シニア 1人 （自分も PR を書く） 書く側は 4人 × AI で加速、読む側は 1人のまま 7 / 24
8. 当時のPR状況 94% 44本/週 の PR を、シニア1人がレビュー シニア1人が、1週間に読んだ PR の数 ※ Slack の画面でいうと、こんなイメージ 1営業日あたり約9本。 自分でも週9本書きながら 8 / 24
9. 問題点 レビューが、1人に依存 ＝ デリバリーも、1人に依存 9 / 24
10. このまま続けると チームが拡大したときに、壊れる チームが拡大すると 👩‍💻 🧑‍💻 👨‍💻 🧑‍💻 👩‍💻 🧑‍💻 👨‍💻 🧑‍💻 レビュー 1人のまま 4人分だけ 残りは滞る 書く側は、採用でも AI でも増やせる。でも、読む側は増やせない。 実際、チームは現在 11 名。 10 / 24
11. 決めたこと 個人への依存を、剥がしにいく 1人に集中する原因は、AI のアウトプット品質が運任せで、1件1件読むしかないこと。 STEP 1 コーディングとレビューを仕組み化 AIコーディングの アウトプットを安定させる レビュー自体も 仕組みで回す STEP 2 › 🧑‍🔧 1人に集中 誰でもレビューができるようにする レビュワーを分散 👩‍💻 👩‍💻 🧑‍💻 🧑‍💻 👨‍💻 お互いにレビュー レビュー起因でデリバリーを遅らせないようにする 11 / 24
12. 最近の AI 開発基盤で言われていること Agentic Engineering プロンプト エンジニアリング 何を指示するか コンテキスト エンジニアリング › 何を知らせるか ハーネス エンジニアリング › どう制御して動かすか ループ エンジニアリング › どう繰り返して改善するか AI との関わり方は、人が具体の作業に直接関わる方向から、仕組みを作る側へ。 12 / 24
13. 髪の伸びた玉ねぎくんが美容室での例えを通じて、 アプリチームの動きを振り返っていきます。 13 / 24
14. Agentic Engineering は、要は「美容室でのカット」（個人的見解） 14 / 24
15. 進め方の全体感 コストの低いものから重ねたら、まさにこの順番だった コンテキストエンジニアリング 見せる情報を選ぶ ガイドライン 整備 SubAgent › › 多角レビュー ハーネスエンジニアリング お願いを制約に変える 観点の Skill 化 › PR 自動 レビュー › 静的解析 （Lint） REGO PJ （コードベース統一） ADR フィードバック ループエンジニアリング 評価を仕組みに戻す 根本対応であるコードベースの大統一は、初手としては敢えてやらなかった 15 / 24
16. コンテキスト › ハーネス › ループ コンテキストエンジニアリング 1. ガイドライン整備 ＋ SubAgent 多角レビュー やったこと 設計ルールを、AI が読める場所 に書き出す 観点ごとに SubAgent を分けてレ ビュー 美容室で例えると 効いたこと 限界 観点の抜けが減り、人の共通認識に もなった 実行するかも人任せ 「何が正解か」を言語化 長くなると AI に読まれない なりたいイメージを、ちゃんと伝える 写真や要望を具体的に共有することで、AI（美容師）がゴールを正しく理解できる "お願い" を、制約に変える足場へ ❯ 16 / 24
17. コンテキストエンジニアリング 実物: SubAgent 多角レビュー ／ PR 解説 deep-review — 観点ごとの SubAgent が並列でレビューした結果 未評価 22件 📋 verdictをコピー deep-review: PR #15123 コンテキスト › ハーネス › ループ rich-description — PR の差分を AI が解説したもの 💾 保存 XX XX5123 XXXXXXX ＸＸＸＸＸＸＸる usePrecaXXXXXXXXX を追加する （feature/uXXXXXXXXXXXXXXXXXX Ｘ XXXXXXXＸＸ実行日 2026-0XXXXＸＸＸX ＸＸＸ Ｘ X 依存ライＸＸＸ X XXXXXXＸ X XXXXXXXXX層 / UXXXXXst PR #15123 [Image] 画像を先読みする usePrecacheImages を追加する by @daiki1XXX XXXXXXXXXXXXX XXXXXXX/use-XXXXXXXXXXXXXXX Ｘ XXXXXXX XXXXXXXXXXXXX XXXXXre, impactXX +341 additions -23 deletions Component層 R1 🟡 推奨 8 files .ai/gXXXXXce/coXXXXXnt/beXXXXXXXXXXXXXXXXXXX XXXXXXXXXXX ＸＸＸで使う uXXXXXXXXXXXXXXXs が正 本ＸＸＸＸＸン「リモート画像の表ＸＸＸＸＸＸＸＸＸ XXXXXXXXXXXXX の width/height を XXXXXXXXXXe と一致させないと 先ＸＸＸＸＸＸＸＸＸＸう契約は呼ＸＸＸＸＸ知らないと事故る。 OVERVIEW 変更の概要 一ＸＸＸＸＸＸＸＸＸＸきに画像の表示が一拍ＸＸＸＸＸに対して、ＸＸＸＸＸＸＸＸＸＸＸＸＸ ※ 社内コードのため、本文はマスクしています 17 / 24
18. コンテキスト › ハーネス › ループ ハーネスエンジニアリング 2. Skill 化 ＋ CustomLint ＋ コードベース整備 やったこと 観点を Skill 化し、実装とセルフ レビューを1セットに 決定的なルールは CustomLint でガ ードレール化 コードベースの統一にも着手 美容室で例えると 効いたこと 限界 レビューが勝手に回る より精度の高いアウトプットになる ※ セルフレビューは hooks 等で固定して いないため、確実に回る保証まではない ルールの定義や言語化は、人間 が動かないと改善されない AI を自律的に動かしきれていない 手順・道具・チェックで、事故らず仕上げる 標準化された手順や道具、チェックで品質のブレやミスを防ぐ 改善が自分で回るように、ループを閉じる ❯ 18 / 24
19. ハーネスエンジニアリング 実物: Skill と Lint ルール コンテキスト › ハーネス › ループ Skill Lint ルール 19 / 24
20. コンテキスト › ハーネス › ループ ループエンジニアリング 3. ループを閉じる（現在地） AS-IS 人 TO-BE 実装着手前 ADR の同梱 人 → AI の一方通行 ガイドライン / Skill / Lint 過去の意思決定記録を、判断材料として渡す AI AI が「なぜ」の基準を持って判断できる AI → 人 → AI の循環（ループエンジニアリング） 人 AIレビュー 人がレビューする AI 「なぜ」の資産 採用/却下・理由 ＋ ADR ガイドライン / Skill / Lint の改善に戻る 美容室で例えると PR作成後 結果のフィードバック AIの成果物を、人が評価して貯める 採用 / 却下と、その理由を資産に 次の AI の行動に反映する 結果とフィードバックで、次回さらに良くなる 過去の記録とフィードバックをもとに、美容師（AI）が自律的に最適を導き出す 20 / 24
21. 振り返ると コーディングとレビューの仕組み化が整い、 個人への依存が剥がれてきた 存依のへ人個 約10ヶ月 2025.10 2026.08 プロンプトエンジニアリング 頼み方の設計（出発点） コンテキストエンジニアリング ガイドライン / SubAgent ループエンジニアリング ハーネスエンジニアリング ADR / 結果のフィードバック Skill / 自動レビュー / Lint / REGO 仕組みが担う量 誰でもレビューできる体制が、整ってきた。 21 / 24
22. 現在のPR状況 → 94% 39% シニア1人が見ている PR は、 全体の4割だけに 🧑‍💻 👩‍💻 👩‍💻 🧑‍💻 🧑‍💻 👨‍💻 各メンバーが、 お互いにレビューし合う形に 1人への依存は減り、チームでレビューし合うようになった。 22 / 24
23. まとめ 特定の個人が頑張るのではなく、 そうしなくても回る環境を作る。 AI 基盤構築の進め方も、現実の課題の解き方も、同じ。 23 / 24
24. ありがとうございました。 chocoyama（たまねぎ）/ YOUTRUST 24 / 24