プラットフォームエンジニアリングでAIの価値を最大化する

Transcript

1. プラットフォームエンジニアリングで AIの価値を最大化する 2026/09/09 AI活用 LT祭り 株式会社TOKIUM ソフトウェアエンジニア Lapi
2. 自己紹介 Lapi @dragoneena12 プロフィール Go言語によるバックエンド開発を中心に、 フロントエンドからインフラまで幅広く手掛けています。 好きな技術 Go Kubernetes OpenTelemetry 2
3. プラットフォームの質が、AIの効果を左右する “ プラットフォームの質が低い場合、AI の導入が組織のパフォーマンスに与える影響はごく わずかですが、プラットフォームの質が高い場合は、その影響は大きく、プラスの効果を もたらします 出典: DORA「2025 State of AI-assisted Software Development」日本語要約版（本文および図44） 3
4. プラットフォームエンジニアリングとは 開発者向けのプラットフォームを構築・提供する専門分野。 CI/CDやテスト基盤、監視、インフラといった共通機能を標準化し、すぐ使える形で提供する。 開発者を個別の環境構築や運用から解放し、認知負荷の軽減・信頼性と回復力の向上・デリバリ ーの加速につなげる。 開発者（プロダクトチーム） ↓ 共通機能を利用 CI/CD プラットフォーム テスト基盤 監視 インフラ・ ミドルウェア ↓ 標準化・抽象化 クラウド・外部サービス・社内システム 参考: CNCF Platforms White Paper — https://tag-app-delivery.cncf.io/ja/wgs/platforms/whitepaper/ 4
5. AI時代のプラットフォームの役割 AIの変更は大量・高頻度で、人の認知範囲を超える。 プラットフォームの各機能が、安全に本番投入するための「ガードレール」になる。 要素 AI時代に提供できる価値 高並行デリバリー CI/CD AIが生み出す大量の変更を、人による作業なしに検証し、本番まで届ける 高速なverificationループ テスト integration/E2EテストやPlaywrightによるvisualテストで、AIの成果物に対する検証を高速に回す 信頼性と回復力の確保 監視 異常の早期検知に加え、カナリアリリースなど「障害が起きても戻せる」体制の前提になる 参考: リクルート「AI 時代の Platform Engineering」— https://speakerdeck.com/recruitengineers/kaigi_cloudnativedays_suganuma 5
6. 実践① Playwright E2Eテストによるリリースゲート整備 リリースゲートをプラットフォームとして整備 E2Eテストを通らない変更は本番に届かない。QAエンジニアがテストケースを追加できる仕 組みも整備 CUJを定義し、基本的なユースケースの動作を保証 Playwrightで主要な業務シナリオをカバーし、edge-caseのテストも実施 実際のE2Eテストレポート（抜粋） 6
7. 実践② 高速なCI/CDフィードバックループ 変更を素早く検証して本番へ届けるため、パイプラインを高速化・自動化している。 ビルドキャッシュを活用したテストの高速化 依存関係やビルド成果物を適切にキャッシュし、テストを高速に回す feature flagを活用したトランクベース開発 未完成の機能はフラグで隠して main に小さくマージし、毎日のデプロイを実現 ブルーグリーンデプロイで安全に切り戻し リリース後の 5xx エラー率を監視し、問題があれば切り戻す 7
8. 実践③ SLI/SLOとエラーバジェットの運用 「どこまで攻めてよいか」の基準を、SLOとエラーバジェットでコード化している。 CUJ単位のSLOをTerraformで管理 「申請を作成・提出する」等のユーザー体験ごとに、成功率・応答時間の目標を定義 エラーバジェットの消費速度でアラート Multiwindow Multi-Burn-Rate方式で、燃焼の速さに応じて重要度を変える 消費速度が対応の優先度に直結 速い→即時対応 / 中程度→現スプリントに差し込み / 遅い→次スプリントで対応 参考: Google SRE Workbook「Alerting on SLOs」— https://sre.google/workbook/alerting-on-slos/ 8
9. 成果: 開発フローの大部分をAIに任せ、即日反映 ガードレールを整備したことで、開発フローの大部分をAIに任せられるようになった。 実装はAIが行う 人は要件の整理とレビュー観点の定義に集中する レビューもAIが実施し、人は最終確認のみ AIレビューを通過した簡単な変更は、AIがそのままマージす る 毎日15PR以上を本番リリース マージされた変更は即日、本番に反映される 直近3ヶ月、インシデントゼロ リリース頻度を上げながら、安定稼働を維持している 実際のprodリリース通知（Slack） ※ 実践①〜③および本スライドの成果は、TOKIUM共通ワークフローでの事例です。 9
10. Key Takeaways 1. プラットフォームエンジニアリングが AI活用の鍵 2. TOKIUMはテスト基盤・高速CI/CD・SLO運用でガードレールを作る 3. ガードレールが整えば、開発フローの大部分をAIに任せられる まずは自分たちのプラットフォームに目を向けてみませんか？ 10
11. エンジニア募集中！ カジュアル面談実施中！ 現場のメンバーと気軽にお話しませんか？ 技術的チャレンジ ハーネスエンジニアリングを活用した AIエージェントの構築 継続的に品質を上げる仕組みや、 セキュリティ・ガバナンス向上の仕組みを構築 一緒に挑戦してくれる仲間を募集してます！！ 詳細はこちら 11
12. ご清聴ありがとうございました