え？フロントエンドエンジニアのワイがインフラも！？

by puku0x

Embed

Start on current slide

Slide 1

Slide 1 text

2026/08/05 Findy AI Meetup #7 え？フロントエンドエンジニアのワイがインフラも！？ファインディ株式会社フロントエンドテックリード新福宜侑 @puku0x 1

Slide 2

Slide 2 text

No content

Slide 3

Slide 3 text

⽣成AI時代に向けた新しいプロダクトが登場 3

Slide 4

Slide 4 text

ファインディの現在 ● ⽣成AI時代のプロダクトが次々に⽣まれている ● ⽴ち上げ期のプロダクトは少数精鋭‧スピード重視 ○ 職種の枠に囚われないフルサイクル志向 4

Slide 5

Slide 5 text

「新しいサービスを作るぞ！」 5

Slide 6

Slide 6 text

「こういうサービスを考えてて...」 6

Slide 7

Slide 7 text

「へぇ〜良いっすね」 7

Slide 8

Slide 8 text

（開発への話が進んでいく） 8

Slide 9

Slide 9 text

「ただし、今回は...」 9

Slide 10

Slide 10 text

「開発は⼀⼈です」 10

Slide 11

Slide 11 text

「開発⼀⼈しかいねぇ！」 11

Slide 12

Slide 12 text

完 12

Slide 13

Slide 13 text

これまでなら、本当に「完」だった ● インフラはSREチームに依頼丸投げ ● バックエンドも専任を付けないと不安 ○ ● 逆も然り、どちらも⽚⼿間で触れるには複雑化した良いアイデアがあっても、⼈員が確保できるまで動けなかった 13

Slide 14

Slide 14 text

⽣成AI時代なら可能なのでは？ 14

Slide 15

Slide 15 text

⼀⼈で担当することになった範囲 ● フロントエンド ○ ● ● 本来の専⾨領域バックエンド ○ Hono採⽤して最低限読み書きできるように ○ テーブル設計等は専⾨メンバーによるレビューインフラ（AWS / Terraform） ○ IAM、VPC、ECS、RDS、S3、CloudFront ○ 完全に初⾒ ○ SREチームによるレビュー全部！ 15

Slide 16

Slide 16 text

武器は社内に揃っていた 16

Slide 17

Slide 17 text

SREチームが整備していた資産 ● Terraformのスターターキット ○ ● APIスターターキット ○ ● バックエンド側のテンプレート AWS 汎⽤モジュール ○ ● 環境構成のテンプレート社内標準の構成を再利⽤可能な形にまとめたモジュール群インフラ構築エージェントスキル ○ チャットから環境構築可能な仕組み 17

Slide 18

Slide 18 text

実際の進め⽅ ● AI × テンプレート × 汎⽤モジュール ○ 社内の作法に沿った作り⽅ ○ AIが書いて、⼈間が読んで判断 ● SREチームによるレビュー ● 結果：⼀⼈で約2ヶ⽉ 🤔 期間備考アプリケーション（ FE + BE）約1ヶ月本来の専門領域を含むインフラ（IAM/VPC/ECS/RDS/S3/CloudFront）約1ヶ月完全に専門外の領域 18

Slide 19

Slide 19 text

思ったより時間がかかるぞ？ 19

Slide 20

Slide 20 text

誤算①：待ち時間がワークフローを⽀配する ● 専⾨メンバーやSREチームによるレビュー待ち ● Terraformの反映待ちが作業時間の相当部分を占める ○ ● 試⾏錯誤のたびに待ち時間が発⽣していたフィードバックを待つ必要があるものはAIでの⾼速化が難しい ○ AIが圧縮したのは「⼈間が考える時間」 20

Slide 21

Slide 21 text

誤算②：理解は外注できない ● 書けることと理解していることは別 ● 仕組みや依存関係を把握していないと「なぜか動く/動かない」に陥る ○ ● インフラでこれは致命的になり得る AIの出⼒を読んで理解する時間を確保する必要があった 21

Slide 22

Slide 22 text

https://speakerdeck.com/twada/agentic-software-engineering-2026-07-findy-edition?slide=32 22

Slide 23

Slide 23 text

変わったこと：着⼿の意思決定コストが下がった ● これまでは⼈員の確保がネックになっていた ● ⽣成AI時代、職種の境界が諦める理由ではなくなった ● ⽣成AIが実装コストと意思決定のコストを下げた 23

Slide 24

Slide 24 text

変わらなかったこと：最終的な責任を持つのは⼈間 ● 実装者⾃⾝が仕組みを理解する ● AIの出⼒を判断するには専⾨知識が必須 24

Slide 25

Slide 25 text

まとめ ● ⽣成AIにより越境しやすくなった ○ これまで諦めていたものが選択肢に⼊ったのは⼤きい ● 専⾨知識や理解の価値は⽣成AI時代でも変わらない ● インフラ頑張ったから褒めて！ #ai_fukuoka_ﬁndy 25