AI導入で PR が爆増した 異常事態に、 私たちはどう向き合ったか

サポーターズイベントにて登壇した資料になります。
https://supporterz-seminar.connpass.com/event/388882/

Transcript

1. 　 3⼈チームで週30PR · CLAUDE CODE フル活⽤時代の⽣存戦略 SPEAKER ⻄本 貴 株式会社 TOKIUM / プロダクト本部 エンジニア AI導⼊で PR が爆増した 異常事態に、 私たちはどう向き合ったか
2. 📸 西本 貴 にしもと たかし 株式会社 TOKIUM / プロダクト本部 ▶ 横断チーム統括部 出身 広島 · 筑波大学 趣味 カープ / 邦ロック / フットサル / 麻雀 / ワンピース 好きな曲 Mr.Children「CENTER OF UNIVERSE」 開発 → 採用 → コーポレートカルチャーを経験し、 今はプロダクト本部でまた開発を頑張っています。 2025/10 に第一子（わんぱくな男の子）が誕生。 一つ一つの変化に一喜一憂している毎日です。 02 / 10 AI DRIVEN DEV · TOKIUM ⾃⼰紹介
3. ボトルネックは「書く」から 「読む」へ完全に移動した Claude Code により、チケット → 実装 → PR の速度は劇的に上がった。 一方で、レビュー（＝人間が読む工程）の速度は変わっていない。 結果、マージ待ちが常に溢れ、リリースが遅延する。 WEEKLY OUTPUT 30 PR / 週 3人チームでマージされる PR数 MORNING QUEUE 10 件 + 朝起きると Slack に溜まっている レビュー依頼通知 TEAM SIZE 3 人 エンジニアだけで この規模を回している 03 / 10 AI DRIVEN DEV · TOKIUM 起こっていること
4. 爆速化する実装、破綻するレビュー PHASE 1 · IMPLEMENT 実装（AI支援） 週 30+ PR がマージされる驚異的なスループット ▶ PHASE 2 · REVIEW レビュー（人力） キューが膨張。朝起きると PR 通知が 10 件超で滞留 AI によって生産性が上がった結果、後続のレビュープロセスが物理的に圧迫され、 リリース遅延の要因となる「読み」のボトルネックが発生している。 04 / 10 AI DRIVEN DEV · TOKIUM 構造の図解
5. 方針：「書く」を AI で変えたなら、 「読む」も AI で変える × PR を減らす（出力を抑える） 生産性を上げたのに出力を制限するのは本末転倒。 × レビューを省略する 品質低下は許容できない。 × 人を増やす 3人チームでスケールする方法を探すべき。 ◦ レビュー側を、システムとして進化させる 実装だけでなく、読む工程にも AI を適用する。 書くだけAI化／読むは人力、の非対称を解消する。 05 / 10 AI DRIVEN DEV · TOKIUM 本 LT のテーマ
6. 差分に応じた専門エージェント群による 動的な一次スクリーニング PR 差分 DYNAMIC DISPATCH 動的エージェント選定 AGENT · 01 セキュリティ AGENT · 02 型安全性 AGENT · 03 設計一貫性 AGENT · 04 DB パフォーマンス AGENT · 05 フロントエンド観点 統合レポート MUST 必ず直す HIGH 強く推奨 MAY 任意改善 小さい PR には 2〜3 体、大きい PR には最大 5 体の専門エージェントを並列で起動。 人間は「AI が弾いた後の、より高度なビジネスロジックや設計判断」にのみ集中する。 07 / 10 AI DRIVEN DEV · TOKIUM 施策 1 / 2 · AGENT-REVIEW
7. ガイドラインが「自動で育つ」正のループ STEP 01 PR がマージ STEP 02 レビューコメントを 自動収集 STEP 03 頻出パターンを 自動抽出 STEP 04 ガイドラインを 自動更新 CI CRON 週2回 AUTO RUNS 人間に 2 度、 同じ指摘をさせない。 閾値を超えて繰り返し指摘されたパターンは、 CI ジョブがレビューガイドラインに自動反映する。 更新されたガイドラインは次回の agent-review が 参照する ── 使えば使うほどシステムが賢くなる正 のフィードバックループ。 // 結果 人間のレビュー知見が組織知として蓄積され、メ ンバーが増えても自動で共有される。 08 / 10 AI DRIVEN DEV · TOKIUM 施策 2 / 2 · REVIEW-PATTERN-ANALYSIS
8. MEASURE 01 レビュー負荷の劇的改善 実装量を維持しつつ、⼈が⾒るべきポイントに絞れるため、体 感負荷を2割以下に削減しました。 MEASURE 02 PRリードタイム 20%改善 副次効果として、PRのリードタイムが1.7⽇ → 1.4⽇へと短縮 されました。 「並列レビュー」による圧倒的な⽣産性向上を実現 05 / 10 AI DRIVEN DEV · TOKIUM 施策の結果 PR #1 PR #2 PR #3 PR #4 cmuxを使った 並列レビューの様子
9. 前提：AI が読める「コンテキスト」が リポジトリに既に存在した PREREQ · 01 guidelines.md 暗黙知の排除 レビュー観点やコーディングガイドラインを、 すべて Markdown で言語化・管理していた。 PREREQ · 02 skills/*.md スキルの定義 レビュアーに求める「スキル」自体も、各メン バーの専門観点として Markdown で定義済 み。 PREREQ · 03 prompt://context AI への直接接続 ゼロから学習させるのではなく、既存 Markdown をプロンプトコンテキストとして流 し込むだけで、高精度な改善提案が成立す る。 普段から「暗黙知を排除して言語化する」習慣を持っていたことが、そのまま AI レビュー導入の伏線になっていた。 コードを書かずとも、 Markdown を編集するだけで、改善提案の質が上がる。 06 / 10 AI DRIVEN DEV · TOKIUM なぜスムーズに導⼊できたか
10. 統合された AI 開発ライフサイクル ── ただし、まだ道半ば LAYER · 01 実装・基盤 Claude Code による爆速実装。 言語化された Markdown コンテキストを AI が読める状態で維持。 Claude Code Markdown LAYER · 02 並列エージェント審査 差分に応じた専門エージェント群が並列起 動。 MUST / HIGH / MAY の 3 段階で統合レ ポー ト化。 agent-review LAYER · 03 パターン抽出ループ 人間のレビューコメントから頻出パターンを自 動抽出し、ガイドラインを自律的に進化させ る。 review-pattern-analysis ✓ レビューのライフサイクル全体を AI と正のループでカバー。 ✓ 開発者は「AI にできない判断」と「システムの育成」にフォーカス。 09 / 10 AI DRIVEN DEV · TOKIUM まとめ
11. 情報発信中！ 本⽇のスライドは公式Xで公開！ 開発チームの技術やイベントに関する情報を発信しています！ フォローお願いします！ 資料公開＆技術発信は公式Xから👇 @TOKIUM_Dev
12. 10 / 10 エンジニアを、 募集しています。 一緒に挑戦してくれる仲間を募集しています。 TECHNICAL CHALLENGES 技術的チャレンジ 01 AI エージェントの群れを量産し、多数のサービスとの連携を素早く実現する 02 AI エージェント実行制御を行う共通基盤の開発 03 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 CASUAL MEETING 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？ Thank you. FIN · AI DRIVEN DEV X @TOKIUM_Dev WEB tokium.jp/careers