みてねにおけるAI-DLC導入活動とAIドリブン開発の現在地/JAWS-UG AI-DLC #2

2026年8月27日（木）
JAWS-UG AI-DLC #02：AI-DLC勉強会
https://jawsug-aidlc.connpass.com/event/401571/

Transcript

1. みてねにおけるAI-DLC導⼊活動と AIドリブン開発の現在地 JAWS-UG AI-DLC⽀部 第⼆回勉強会 株式会社MIXI みてね事業本部 みてねプラットフォーム部 清⽔ 勲 ©MIXI 1
2. ⾃⼰紹介 株式会社MIXI 清⽔ 勲 (X: @isaoshimizu) 2011年 ミクシィ（現MIXI）⼊社 SNS「mixi」のインフラ運⽤、モンスターストライクのSREなどを経て 2018年〜 家族アルバム みてねのSRE 2022年〜 SREグループ マネージャー 2025年〜 みてねプラットフォーム部 部⻑（SRE/CRE/セキュリティ領域） みてね経営の⼀員として、AI/セキュリティ/データ戦略の推進、クラウドコストの最適化をしています AWS Summit Tokyo 2014/2023登壇、SRE NEXT 2020/2022登壇 ©MIXI 2
3. 家族アルバム みてね スマホで撮った⼦どもの写真や動画を家族と共有し、コミュニケーションして楽しむ家族アルバムサービスです。 2015年にリリースしてから、7⾔語‧175の国と地域で3,000万⼈以上の⽅にご利⽤いただいています。 ©MIXI 3
4. まず結論から ©MIXI 4
5. まず結論から AI-DLCを「型」としてそのまま全⾯採⽤したチームは無い それは失敗ではなく、各チーム流のAIドリブン開発に進化し成果も出た 今⽇持ち帰ってほしいのは、型をそのまま取り⼊れるのではなく AI-DLCの成⽴条件の⾒極め⽅ ©MIXI 5
6. AI-DLCをざっくりと ©MIXI 6
7. AI-DLCとは AIが開発全体を主導し、⼈間はレビューと意思決定に集中する 開発⼿法 ©MIXI • Inception → Construction → Operations • やってみて分かった本質はこの2つ ◦ 先にAIと壁打ちして仕様を仕上げ切ってから実装に⼊る ◦ 関係者を⼀か所に集めて⼀気に決める（モブ） 7
8. みてねにおけるAI-DLCの取り組み ©MIXI 8
9. AWS Summit Japan 2026 基調講演より（2026年6⽉25⽇） ※本画像はAWS様より利⽤許諾いただいております ©MIXI 9
10. なぜAI-DLCに取り組もうと思ったのか • ボトルネックはコードを書く速さではなかった • 仕様の認識合わせ‧ドキュメント‧会議 ＝ ⼈間同⼠の調整コスト • 出発点は「AI-DLCをやりたい」ではなく「リードタイムを縮めたい」 • 期待したこと • ①待ち時間の排除 • ②職種の壁を越える ©MIXI 10
11. 活動タイムライン 時期 ©MIXI できごと 2025年10⽉ 説明会‧参加チーム選定 2025年11〜12⽉ 事前ヒアリング‧環境準備 2025年12⽉ 第1回 Unicorn Gym 2026年1⽉ 振り返り‧社内外へ展開 2026年2〜3⽉ 第2回 Unicorn Gym 2026年4⽉〜 上流⼯程へ関⼼が移動 11
12. Unicorn Gymとは • AWSが主催。AI-DLCを実際の業務で試す場 • 3⽇間 / チームメンバー全員参加 / オフライン • 題材は実際の業務課題を扱う（練習問題ではない） • みてねでは12⽉‧3⽉の2回実施 「研修」ではなく、実験の場 ©MIXI 12
13. Unicorn Gym実施時に確認した5つの条件 ©MIXI • 全員が同じ部屋にいる（リモート参加なし） • 意思決定者が全⽇同席する • AIツールを統⼀する • 「研修」「ワークショップ」と呼ばない • 実際の業務課題を題材にする 13
14. Unicorn Gymをやってどうだったか • • ©MIXI ⽣産性向上率 ◦ 206%（⼯数総和） ◦ 169%（調和平均） 3⽇間でPoC完成まで到達したチームもあった 14
15. Unicorn Gymを経て、その後の各チームの状況 現在地 チーム数 AI-DLCをベースに独⾃進化 4 個⼈‧案件単位でAI活⽤ 2 本格検討はこれから 1 全⾯採⽤は無い。でも何も残らなかったチームも無い ©MIXI 15
16. 独⾃進化していった結果 ©MIXI 16
17. うまくいったパターン① ⼩さいPBI（Product Backlog Item）を、AIを使ったモブで⼀気通貫 ©MIXI Phase ⼯程 内容 0 PBI草案（⼈間が書き、AIが補完） ⼈間（PdM中⼼）が背景‧User Story‧受け⼊れ条件を書き、 AIが該当コードを確認して補完 1 AIリファインメント → ⼈間で解消 多観点（PdM∕デザイナー∕エンジニア∕QA）で懸念点を洗 い出し、⼈間が解消 2 AI技術設計 → ⼈間レビュー エンドポイント‧ロジック‧シーケンス図‧選択肢のメリデメ を設計 3 AI実装 → ⼈間レビュー 実装、レビュー、PR作成‧仕様書更新‧QA項⽬作成まで 4 デモ 全員で動作確認‧受け⼊れ条件確認 17
18. パターン①の成果 ©MIXI • 起票〜実装完了: 10時間以内 • ベロシティ: 4.5 → 6.75 • 平均 37.69% の⼯数削減 18
19. うまくいったパターン② 「完成形がすでに動いている移植」をAIに任せる すでにiOS向けに開発したものを、AndroidでAI活⽤して開発した結果 iOS（従来） Android（AI活⽤） 期間 約4か⽉ 約1か⽉ ⼈員 3⼈ 実質1⼈ 効いたのはAI-DLCの型ではなく、題材の性質：⾒本がすでに動いている （iOSが完成済み→Androidは「同じものを作る」∕本番影響が⼩さい） ©MIXI 19
20. いろいろ実践して⾒えた勘所 ©MIXI 勘所 実践して分かったこと HowよりWhat / Why ビジネスの意図の⾔語化そのものをAIに任せ、 必要に応じて⼈間が直す Inceptionが肝 うまくいくと⼀気に進むが、 外すと「⼈間だけの⻑い会議」になる コンテキスト管理 普段からAIが参照しやすいドキュメントを整備し つつ、プロセスを「スキル」として資産化 20
21. 実践して⾒えた課題 課題 ©MIXI 考えられる対応 コードの中⾝を理解しないまま先に進む 各フェーズに承認ポイントを置く 多観点でレビューする AIが細かい仕様を聞いてきて⽌まる フェーズごとにスキルを分ける AIには得意‧不得意がある AIの成⽴条件を整理する ⼈間同⼠で⻑く議論して⽌まる モブ前にゴールと判断軸を決める ⼩規模すぎる場合にはオーバーヘッド AI-DLCの要素を切り出す 21
22. AI-DLCがハマらなかった事例 ©MIXI • 別の⼿法を試したい • 今ではない • 同期‧⾮同期を使い分けたい • 活かせる余地が少ない • ⾃分たちだけで仕様を決められない 22
23. AI-DLCの成⽴条件（これまでの経験を踏まえて） 成⽴しやすい 成⽴しにくい • ⼩さい（ただし⼩さすぎない） • UIデザインをあまり必要としない • ⾃チーム内で決められる • ⾃チームだけで決められない • ⾒本がすでにある（先⾏実装‧既 • AIの出⼒をまだ信じきれない • ⾒本が無く、これから決めるしか ない 存画⾯） • 本番に影響しづらい 作りたい物がまだ⾔葉になっていない • ©MIXI これは効かない領域ではなく、Inceptionを丁寧にやる価値が最も⼤きい領域 23
24. まとめ • 型としての全⾯採⽤は、ほぼ無い • チームごとにAIドリブン開発が進化し成果も出た • 成⽴条件の⾒極め⽅が⼤事 • まだまだ試⾏錯誤中なのであくまで参考程度に AI-DLCを採⽤したかどうかは重要ではない 重要なのは「開発の全⼯程でAIに出させる」という発想が根付いたこと ©MIXI 24