「コードの90%をAIが生成」 どう実現したか？開発はよくなったか？ 〜プロヒス アフターイベント編〜

Transcript

1. 「コードの90%をAIが⽣成」 どう実現したか？開発はよくなったか？ 〜プロヒス アフターイベント編〜
2. 池松 恭平 / ike @ike002jp 　2021/05〜　カウシェ 　・Backend Engineer 　・EM / PdM 　・CTO 　2014/04〜　DeNA 　・Backend Engineer 　・EM
3. 内容 • プロヒスで話した内容のおさらい • 当⽇は話せなかった、他の実践内容を少し
4. 世間ではAIの⽬覚ましい事例が多くある でも、どうやっているんだ？ チーム開発効率は本当に良くなっているのか？ • Rules, Context等⼯夫するも、⼿戻りも多い… • レビューコスト… • 待ち時間ぼーっとしている…
5. カウシェでもやってみて、課題に遭遇した 「コードの90%をAIが⽣成」このような状態を構築した • 効率も開発体験もよいと感じていた • でもDeploy頻度などメトリクスにはほぼ変化がない（なぜ…）
6. ギャップの理由：⼤きめ課題では安定せず、他の効果を相殺 • 参考実装のない新規ロジック実装が、業務の⼤半 ◦ 任せるために⼯夫する ➝ 意図せず時間を使い、他効果を相殺 • ⼩さく任せて安定性を担保する ⽅針へ ◦ △：どうRulesやContext等⼯夫すれば、常にうまくいくか ◦ ◯：どのくらい⼩さく分割すれば、安定的に成功する粒度になるか • そのために "実装計画" を作るプロセスを導⼊
7. 実装計画フォーマットイメージ
8. 結果と学び • Deploy数等、メトリクス上昇 🚀（10-50%） ◦ 施策リリースも増加傾向（評価中） • Rules, Context等も重要だが、課題サイズ管理重要 ◦ ⼈の⾜を、AIが引っ張らなくなる ◦ レビュー等、⼈のボトルネックも防げる • 課題サイズ管理には⼈のシステム理解向上も重要 ◦ 理解度低いと分解に時間かかる ➝ AIでのシステム理解の効率化を試み開始
9. イベントでは話さなかった他のAI事例 Mobile Engineer全員で、iOS/Androidの2⼑流チャレンジ中 • 施策を、1⼈が両OS実装するのを、デフォにする試み ◦ カウシェはSwift, KotlinのNative実装 ◦ 施策の2⼑流率（1⼈で両OS対応した率）は、0%➝85% • 効果 ◦ 待ち時間の減少 ➝ フロー効率上昇 ◦ チームサイズダウン効果も • 成功要因 ◦ iOS実装を参考にして、AndroidはAIに任せる、などの有効性 ◦ 認知負荷が増えにくい領域間
10. • 開発⼒を最⼤化するHOWの⼀つとして、AI領域の技術を活⽤している 最後に
11. 最後に リリースする 事業伸びる 新しい技術課題 でてくる • 開発⼒が最⼤化されると嬉しいこと
12. 最後に リリースする 事業伸びる 新しい技術課題 でてくる • 例えば起こったことその1 新しい体験を追加 DAU爆増 コストも爆増… DBをフルリプレイス
13. 最後に リリースする 事業伸びる 新しい技術課題 でてくる • 例えば起こったことその2 ルールベース vs MLレコメンドで 商品フィードのA/B MLがCVR圧勝 協調フィルタリング ➝ 深層学習へ刷新
14. (AI活⽤ ➝ ) 開発⼒の最⼤化 ➝ 事業成⻑ ➝ 新しい課題 • 📣 プロダクト系23名、⼀緒に楽しめる仲間を募集中 📣 ◦ Backend、Mobile、SRE、Platform、ML、EM、VPoE、PdM、Designer ... • 🚀 10/8(⽔) 12:00〜13:00/オンライン 🚀 ◦ "実装計画" の詳細はこちらにて
15. ご清聴ありがとうございました