Share
Embed
Slide 1
Slide 1 text
#AI駆動開発
AI駆動開発は個人技からチーム戦へ：
組織でAIを使いこなすための実践設計
CodeRabbit 中津川篤司 @AI駆動開発Conference Summer
Slide 2
Slide 2 text
𝕏
自己紹介
中津川 篤司
CodeRabbit デベロッパーアドボケイト
一般社団法人DevRel 代表理事
@goofmint
fb.me/goofmint
Slide 3
Slide 3 text
CodeRabbitについて覚えてほしい3つのこと
🥕 レビューを基本とした、Agentic Change
Management
🩴 シート単位の定額・OSSは無料
⛵ キャラクターの名前はHoppy
coderabbit.ai/ja
Slide 4
Slide 4 text
Agentic Change Managementとは？
AIエージェントが大量に生成するソフト
ウェアの変更を、検証・優先順位付け・
理解・承認・保守まで一貫して管理する
仕組み
Slide 5
Slide 5 text
アジェンダ
1.AI駆動開発の推移
2.最近のAI駆動開発の課題
3.開発生産性とは
4.開発“組織”でAIを活用するための設計
5.CodeRabbitでのAI利用例
Slide 6
Slide 6 text
AI駆動開発の推移
1.エンジニアリングの変化
2.セキュリティ/品質ガバナンス需要増
3.ROI（費用対効果）
Slide 7
Slide 7 text
エンジニアリングの変化
1.シチズンデベロッパー（市民開発者）増
2.自動化の追求
Slide 8
Slide 8 text
シチズンデベロッパー（市民開発者）増
1. 企業の63%が内製化、38%が市民開発に取り組み※1
2. 生成AI導入済み企業は57.7%※2
3. ローコード・ノーコードツールの導入が51.0%に※2
※1 アプリケーション開発に関する調査 | IT Foresight
※2 野村総合研究所、日本企業を対象に「IT活用実態調査（2025年）」を実施 | ニュースリリース | 野村総合研究所(NRI)
Slide 9
Slide 9 text
自動化の追求
2022年
プロンプトエンジニアリング
2024年
エージェントエンジニアリング
2025年
コンテキストエンジニアリング
2026年
ハーネスエンジニアリング
ループエンジニアリング
Slide 10
Slide 10 text
セキュリティ/品質ガバナンス需要増
1. 全テストケースの45%に脆弱性が含まれる※1
新モデルを利用しても改善されず
2. AIが利用する外部ライブラリの49%に既知脆弱性※2
昨今のサプライチェーン攻撃に繋がる問題
3. AIは人の1.7倍、深刻な問題を含むPRを作成※3
※1 GenAI and Code Security: What You Need to Know
※2 State Of Dependency Management 2025 | Application Security |…
※3 State of the AI vs. Human Code Generation Report
Slide 11
Slide 11 text
ROI（生産性が本当に向上しているのか？）
1. AI利用で24%高速化すると予測していたが、19%低
下していた※1
2. Copilot導入でバグ数が41%増加。PRサイクルタイム
は変化なし※2
3. コア開発者のレビュー負荷6.5%増により、チームの
開発生産性が低下※3
※1 Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity - METR
※2 Does GenAI Improve Software Developer Productivity?
※3 [2510.10165] AI-Assisted Programming Decreases the Productivity of Experienced Developers by Increasing the Technical Debt and Maintenance Burden
Slide 12
Slide 12 text
最近のAI駆動開発の課題
1.生成されるコードの品質のばらつき
2.AI活用スキルのバラツキ
3.コードレビュー
Slide 13
Slide 13 text
生成されるコードの品質のばらつき
1. 学習元データの問題
OSS、コミュニティで公開されるコードは品質が不安定
2. 組織のコンテキスト、セキュリティ水準の不足※1
3. AIは単純で反復的なコードに強い反面、複雑な設
計・依存関係に弱い※2
※1 The Most Common Security Vulnerabilities in AI-Generated Code | Blog | Endor Labs
※2 [2508.21634] Human-Written vs. AI-Generated Code: A Large-Scale Study of Defects, Vulnerabilities, and Complexity
Slide 14
Slide 14 text
AI活用スキルのバラツキ
1. 適切なコンテキストを与えられているか否か※1
2. 個人のMCPサーバー、スキルの設定に依存
3. 学習元データの問題
OSS、コミュニティで公開されるコードは品質が不安定
知見を個人に閉じるのではなく、チームで共有する
※1 The Most Common Security Vulnerabilities in AI-Generated Code | Blog | Endor Labs
Slide 15
Slide 15 text
コードレビュー
1.AI生成コード増で、レビューがボトルネック※1
2.コードレビュー担当の約9割が、AI生成コード
の普及で「レビュアー負担増」を実感※2
3.レビューの待ち時間や対応時間が長引き、バグ
の発生率は54%増加※3
※1 [2605.17548] Rethinking Code Review in the Age of AI: A Vision for Agentic Code Review
※2 【AI生成コードのレビュアー負担に関する調査】レビュー担当者の約9割が「負担増」を実感
※3 AI Impact on Engineering Productivity: 2026 Report Data
Slide 16
Slide 16 text
開発チーム体制
PM
シニアエンジニア
エンジニア
Slide 17
Slide 17 text
エンジニア >> レビュー担当
1.開発「量」は増えても、レビューで止まる
2.レビューはコードを見るだけの作業ではない
3.変更の背景、業務要件、設計意図、既存コード
への影響を理解する（認知負荷）
Slide 18
Slide 18 text
開発生産性とは
速度
体験
品質
フロー
レビュー
参照: https://dora.dev/guides/dora-metrics/ https://docs.gitlab.com/user/group/value_stream_analytics/ https://
queue.acm.org/detail.cfm?id=3454124 など
Slide 19
Slide 19 text
開発生産性とは
速度
ボトルネック把握に利用
速度
1. リードタイム
体験
品質
2. PRマージ時間
3. デプロイ頻度
フロー
レビュー
Slide 20
Slide 20 text
開発生産性とは
品質
速いけど、エラーが多いでは駄目
速度
体験
フロー
品質
レビュー
1. 本番障害件数
2. バグ再発率
3. 変更失敗率
4. テスト失敗率
5. セキュリティ検出件数
Slide 21
Slide 21 text
開発生産性とは
レビュー
レビューのボトルネック状態を可視化
速度
体験
フロー
品質
レビュー
1. レビュー待ち時間
2. レビュー所要時間
3. コメント解決時間
4. PRサイズ
5. 差し戻し率
Slide 22
Slide 22 text
開発生産性とは
実装より待機・調整・割り込みに
時間を奪われていないか
速度
体験
フロー
フロー
品質
レビュー
1. 作業中時間 / 待ち時間
2. 会議時間
3. ブロック時間
4. コンテキストスイッチ
回数
Slide 23
Slide 23 text
開発生産性とは
体験
満足度・効率・フローは重要な観点
速度
体験
フロー
品質
レビュー
1. 開発者満足度
2. 集中時間
3. 認知負荷
4. アンケート
Slide 24
Slide 24 text
開発“組織”でAIを活用するための設計
1.組織全体でのコンテキスト設計
2.全員の見られる場所でAIを利用
3.品質と安全性の担保
4.透明性と説明可能性の担保
Slide 25
Slide 25 text
💦
💦
Slide 26
Slide 26 text
組織全体でのコンテキスト設計
1.AIに何を任せるか決める
2.AIに与える情報を設計する（MCP/API/Skills）
3.人は何を判断・責任を持つかを決める
個人設定もあるが、管理者設定があるとベスト
Slide 27
Slide 27 text
全員の見られる場所でAIを利用
1.良いプロンプトや失敗を公開、共有して知見
を蓄積する
2.普段使っているツールの中に集約する
3.新しいメンバーに対して、過去の意図を共有
する
Slide 28
Slide 28 text
品質と安全性の担保
1.コードレビューやテスト、CI/CDなど品質ゲー
トでのAI活用
2.ログと解析、権限管理
3.プロンプト（意図）の保存
品質ゲートは個人ではなく、組織で設ける
Slide 29
Slide 29 text
透明性と説明可能性の担保
1.意図の消えたコードに対する理解負債増を防ぐ
2.人間が理解できないものは直せない
3.AIをどう利用し、どういった結果が得られたの
かを保存、可視化する
Slide 30
Slide 30 text
CodeRabbitでのAI利用例
チャット
Issue
レビュー
Slide 31
Slide 31 text
CodeRabbit, Inc.について
1.従業員270名程度（内エンジニアが100名位）
2.ほぼリモートワーク（US、ベンガルールオフィ
スあり）
3.日本支社なし
4.トークンマキシングな企業
https://www.coderabbit.ai/
Slide 32
Slide 32 text
LLMルーティング
1. OpenAI / Anthropic / NVIDIA Nemotron などを利用
2. 用途（要約、調査、レビューなど）に応じてモデル
を選択
3. 高いから・最新だから優秀とは限らない
Slide 33
Slide 33 text
Opus 5の評価より
現状よりも、アクション可能なコメ
ントを生成（39.3%対35.2%）
既知の問題の検出は減少（55.2%対
61.1%）
nitpickは約4倍
精度は現状を下回る（28.6%対
32.8%）
https://www.coderabbit.ai/ja/blog/opus-5-model-review
Slide 34
Slide 34 text
https://www.coderabbit.ai/ja/blog/opus-5-model-review
Slide 35
Slide 35 text
チャット（Slack）
1.CodeRabbitというSlackエージェント
2.Datadog/Sentry/Salesforce/Google Driveと接続
3.Slackで対話したり、Pylonに送られてきた問い
合わせを元に調査、Issue作成、PR作成まで行
う
Slide 36
Slide 36 text
チャット（Slack）
Slide 37
Slide 37 text
チャット（Slack）
Slide 38
Slide 38 text
チャット（Slack）
Slide 39
Slide 39 text
チャット（Slack）の活用ポイント
1.普段使っているツール（Slack）で動く
2.皆の見える場所（Channel）で対話する
3.接続するサービス（Context）は管理者が設定
4.問い合わせや時間などを起点に動作（Loop）
coderabbit.ai/ja/agent
Slide 40
Slide 40 text
discord.gg/coderabbit
Slide 41
Slide 41 text
Issue（GitHub）
1.Issueを基に実装計画を作成（CodeRabbit Plan）
2.現在のコードベース、過去のIssue、ドキュメン
トなどを参照して計画を作成
3.誰でもコメントし、実装計画を改善できる
Slide 42
Slide 42 text
CodeRabbit Planの流れ
Slide 43
Slide 43 text
CodeRabbit Planの流れ
Slide 44
Slide 44 text
CodeRabbit Planの流れ
Slide 45
Slide 45 text
CodeRabbit Planの流れ
Slide 46
Slide 46 text
CodeRabbit Planのメリット
1.普段使っているツール（GitHub/GitLab/Linear
など）で動く
2.皆の見える場所（Issue）で利用
3.接続するサービス（Context）は管理者が設定
4.後で参照、振り返りができる
coderabbit.ai/ja/plan
Slide 47
Slide 47 text
CodeRabbit Plan
Slide 48
Slide 48 text
No content
Slide 49
Slide 49 text
No content
Slide 50
Slide 50 text
レビュー（CodeRabbit）
1.PRレビュー
2.CLIやVS Code機能拡張でローカルレビュー
Slide 51
Slide 51 text
レビューは2つの側面がある
レビュイー
レビュアー
プログラマー
シニアエンジニア
レビューを受ける人
レビューをする人
Slide 52
Slide 52 text
レビューは2つの側面がある
レビュイー
レビュアー
プログラマー
シニアエンジニア
レビューを受ける人
レビューをする人
↑ AIコーディングエージェントのレビュー機能はこちら向け
VS Code機能拡張・CLIもこちら
Slide 53
Slide 53 text
レビューは2つの側面がある
レビュイー
レビュアー
プログラマー
シニアエンジニア
レビューを受ける人
レビューをする人
↑ 開発生産性を上げるなら、
こちらのサポートが重要
CodeRabbitのPRレビューはこちらも対象
Slide 54
Slide 54 text
再掲
1. AI利用で24%高速化すると予測していたが、19%低下して
いた※1
2. AI生成コード増で、レビューがボトルネック※2
3. コア開発者のレビュー負荷6.5%増により、チームの生産
性が低下※3
4. コードレビュー担当の約9割が、AI生成コードの普及で
「レビュアー負担増」を実感※4
※1 Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity - METR
※2 [2605.17548] Rethinking Code Review in the Age of AI: A Vision for Agentic Code Review
※3 [2510.10165] AI-Assisted Programming Decreases the Productivity of Experienced Developers by Increasing the Technical Debt and Maintenance Burden
※4 【AI生成コードのレビュアー負担に関する調査】レビュー担当者の約9割が「負担増」を実感
Slide 55
Slide 55 text
CodeRabbitの場合
1. よくあるミス、問題は事前に解決
40+のLinter/SAST、Webクエリーで最新情報を収集
2.人が見るようにレビュー
Issue、ドキュメント、過去のコメントでコンテキストを補足
3.人がPRを理解するのに必要な情報を提示
概要、変更ファイルグループ、シーケンス図、Change Stack
レビュアーの工数を半分に
Slide 56
Slide 56 text
Change Stack
AI時代のコードレビューUI
Slide 57
Slide 57 text
ROI
時間
品質
ナレッジベース
マージ前チェック
Slide 58
Slide 58 text
まとめ
🥕 AI利用は個人技からチーム設計へ
🩴 開発生産性向上の鍵はレビュー
⛵ キャラクターの名前はHoppy
でチームのAI開発生産性を高めよう！
Slide 59
Slide 59 text
番宣（8月5日オンラインセミナー）
https://bit.ly/4x9VJgl