AI駆動開発時代のBackstage ― AIがコードを書く世界で、Golden Pathは誰が為に？ / Backstage in the AI-Driven Development Era

2026/09/02
Platform Engineering Meetup #16

Transcript

1. AI駆動開発時代の Backstage ― AIがコードを書く世界で、 Golden Pathは誰が為に？ Red Hat K.K.
2. 北村 慎太郎 - Shintaro Kitamura Red Hat - Senior Specialist Solution Architect • • • 2 アプリケーションプラットフォーム(OpenShift)を中心としたプリセー ルス エンタープライズ企業の”失敗しないコンテナ導入”を実現 すべく日々奮闘中 Ops/SRE → Platform Engineering 出身 神奈川県 横浜市 趣味 テニス 麻雀 カフェ巡り ひとりカラオケ
3. AI時代、Developer Portalはまだ必要なのか？ AI Coding AgentがGit・CI/CD・Kubernetesへ直接触る時代、Platformの価値はどこに残るのか。 開発者の入口は Portal から IDE /Agent へ移りつつある 開発者 AIは情報検索も Self-Service 実行も代替し始めている AI Coding Agent それでも Backstage や Golden Path の価値は消えないのか？ Git 3 CI/CD Kubernetes Cloud
4. Backstageが提供してきた 2つの価値 Backstageは、もともと「情報を理解する価値」と「標準化された行動を実行する価値」を提供してきた。 KNOW : 知る 4 DO : 実行する Software Catalog Software Template Ownership Scaffolder Actions System / Domain Golden Paths Tech Docs Self-Service Search Provisioning
5. 情報を人間へ集約するためのポータル 複数ツールに散らばる情報を、開発者が一つの入口から理解できるようにしてきた。 Before With Backstage 情報がツールごとに分散し、開発者が探してつなぎ合わせる状態 Backstageが情報を集約・構造化し、開発者に文脈と関係性を届ける Git Docs Git Jira Jira Cloud CI/CD K8s CI/CD Developer Monitoring Docs Cloud Kubernetes Security Monitoring Secrity 5 Developer 情報を集約・構造化し、コ ンテキストを 付与して開発者に提供 Component System Owner Code Dependency API
6. Internal Developer Portal is dead…? AI Coding AgentがPortalの代わりに、検索・参照・実行を担い始めている。 従来の世界 • Catalogを見る • Templateを探す • Ownerを確認する • Docsを読む • Actionを実行する AI Agent 時代 AIはPortalの画面を“見る”必要がなくなってきている 6 payment-apiについて 調べて、環境を作って、デ プロイして
7. なぜPortalは不要に見えるのか？ Al Agentは、Portal UIが担っていた役割の多くを自然言語で代替できる。 UIを開かなくていい 検索しなくていい Self-Serviceを 選ばなくていい IDE / Terminalから自然言語 で頼めばAgentが直接操作 Agentが必要な情報を自律的 に探しにいく。 人間の探索は不要に。 「作って」「デプロイして」と言 えばAgentが実行 してくれる。 Developer Portalの『UIとしての価値』は相対的に下がる可能性がある。 7
8. では、MCPで全部直接つなげばいいのでは？？ Git・Jira・Docs・Kubernetes・CloudなどにAI Agentを直接つなぐこと自体は技術的に可能。 8
9. 「アクセスできる」と「何をみるべきかわかる」は違う 各MCPへ接続できても、どの情報源をどの順番で参照すべきかは別の問題。 Jira Git Docs Projects Repositories Documents 100 多数のプロジェクトと課題 1,000 大量のリポジトリとコード 10,000 膨大なドキュメントとナレッジ Tool Call（呼び出し回数） payment-apiの担当者と、 関連ドキュメント、 依存サービスを調べたい Latency（応答遅延） Token（消費トークン） 誤関連付け（ノイズの混入） 9 AIにも探索コストがある
10. AIに「どこを見るべきか」を教えるための Backstage Backstageは分散した情報をサービス単位で関連付け、AIが必要なContextへたどり着くための起点になる。 社内外の情報ソース Git Jira payment-api CI/CD Owner Payment Team System Payment Platform API REST / OpenAPI Dependencies auth-service,... Docs TechDocs/ADR-012 Lifecycle Production K8s Docs Backstage Cloud 組織の知識を統合し、 エンティティ単位で Contextを提供 Monitoring AI Coding Agent AIが必要なContextを Backstageに問い合わせ Secrity 分散・非構造的 なデータ 10 MCP 構造化・意味のある Contextへ
11. Backstageの進化 Portalは人間だけの入口ではなくなり、Context & Capability Layerへ進化する。 Backstage UIでアクセス 開発生産性を高めるための共通基盤 組織のContext Catalog MCPでアクセス Search 人間 人間 （開発者） （開発者） AI Coding Agent （コード生成・実行） Web UI MCP Server Actions TechDocs Golden Path 人間にはUI、AIにはMCP。同じContextとCapabilityを共有する。 11
12. AIの案内図としての Backstage Backstageは外部の真実の情報源そのものではなく、そこへ最短距離で到達するための案内図になる。 Without Backstage 12 Source of Truth への最短経路 With Backstage
13. ただし、全部 Backstageに入れれば正しいわけでは無い Contextを集約する価値は大きいが、品質管理がなければAIはもっともらしく間違える。 古い／不正確なContextの例 • Owner: team-a (3年前） • Lifecycle: production (実際は廃止済 ) Garbage Backstage Catalog AI “Wrong” Answer • Docs: v1 (現在は v4) 質の低い情報や古い情 報が投入される Contextとして 集約・構造化される 集約されたContextを理 解・推論する もっともらしく 間違った回答を生成 • Dependency: 未更新 何を組織 Contextとして管理するか、その 境界設計 と品質維持 が重要 13
14. 情報の次は行動の探索空間を考える これまではBackstageが「何を知るべきか」を整理する価値を見てきた。 次はGolden Pathが「どう行動するべきか」を整理する価値を考える。 AI時代のPlatformは、2つの探索空間 を設計する 情報空間 Git / Jira Docs / Cloud /… Backstage AIが何を知るべきか 14 行動空間 関連するContext Runtime / CI/CD / Security / Architecture /… Golden Path AIがどう行動するべきか 推奨アクション
15. Golden Pathはなぜ必要だったのか？ Golden Pathは、開発者の能力不足を補うものではなく、毎回同じ比較・判断・実装を繰り返さないための仕組みだった。 個々の開発者が毎回判断している状態 Platformが一度判断し、再利用できる状態 毎回調べる・比較する・決める 一度の判断を、すべての開発者が再利用 一度、最適な 判断を行う Platform Team 15 Golden Path 迷わず使って 価値ある開発に集中 認知負荷の軽減 標準化 再利用 毎回の比較・判断から解放され、 開発に集中できる 組織としてのベストプラクティスを適 用し、一貫性と品質を確保 一度の投資で、すべてのチームが 繰り返し活用できる
16. ところが、 AIは複雑性を扱える AI Coding Agentは、人間が負荷に感じる調査・比較・実装を直接扱えるため、 従来の前提はそのままでは通用しない。 AI Coding Agent 人間 調査・比較・実装を AIが直接扱う 16 検索 比較 生成 実装 必要な情報を 幅広く収集 多角的に比較し、 最適解を特定 最適解に基づき、 コードを生成 実装・設定・検証まで 自律的に実行
17. AIが考えられるなら、 Golden Pathはいらない？ AIが複雑な技術判断を直接行えるなら、Platform Engineerの事前判断を省略できるようにも見える。 従来モデル（Golden Pathがある世界） AI時代の仮説（Golden Path不要論） 複雑な技術判断 Platform Engineer Golden Path Developer 複雑な技術判断 AI Coding Agent Application アーキテクチャ選定など 事前判断・標準化 テンプレート化 迷わず実装 アーキテクチャ選定など AIが直接判断・実装 即時生成 Q: AIはGolden Pathがなくても迷わず判断・実装できるか？ →A: かなりできる Q: では開発者の AI Coding Agentに毎回判断させるべきか？ →A: 別問題 17
18. ・・・つまり 18
19. 具体例で考えよう：本番コンテナのベースイメージ 一般原則は共有できても、具体的な実装判断は残る。ベースイメージ選定は、その代表例である。 組織の原則： 本番用のコンテナには、できる限り安全なベースイメージを使う Docker Hub Red Hat UBI Red Hat Hardened Images Chainguard Images Internal Base Image Google Distroless 評価の観点（例） CVE アタック サーフェス Update SBOM Provenance 一般原則だけでは、具体的な FROMは決まらない 19 Compatibility Support
20. この判断を、アプリを作るたびに AIへやり直させる？ AIに認知負荷はなくても、探索・再判断・揺らぎのコストは残る。 同じ組織原則（例：「最も安全なものを選べ」）であっても、 AIの探索や文脈の違いにより、異なる ”正解”が生成される。 「判断できる」ことと、 「毎回判断すべき」 ことは別 20
21. Platform Engineer + Reserach AIが一度深く判断する 探索と比較はAIで拡張し、最終的な標準はPlatform Engineerが組織要件に基づいて定める 判断の主体 探索・比較・検証 判断のアウトプット 候補となるベースイメージ（例） Platform Engineer Decision Record 組織要件・基準に基づき判断 評価結果・根拠・判断理由を記録し、 透明性を確保 候補となるベースイメージ（例） Docker Hub Internal Base Image Google Distroless 評価の観点（例） Research AI 多角的に探索・比較・検証を支援 Red Hat Red Hat Chainguard UBI Hardened Images Images CVE アタック サーフェス Provenance Update Compatibility Approved Base Image SBOM Support AIで探索を拡張し、 人間が組織判断として固定する 21 組織標準として承認し、 Golden Path に組み込む
22. Golden Pathは「判断のキャッシュ」 Golden Pathは、組織が一度行った重い判断を人間とAIの双方が再利用する仕組みである。 重い探索・比較 Platform Engineer + AI Decision Golden Path 多様な消費者が再利用 多くの選択肢を調査・比較・評 価する 専門知識とAIの支援で 最適解を導き出す 組織としての 標準的な判断を確定 標準化された推奨手順・ テンプレート・設定を公開 様々なチームやAIエージェントが そのまま安全に利用 • • 従来 AI時代 人間が考え直さなくてもよいことを増やす AIにも考え直さなくてよいことを増やす 一度決めた標準をドキュメント化・テンプレート化 チームは迷わず、素早く、一貫した方法で進められる • • AIエージェントが安全に利用できる標準を提供 AIは“判断の再実行”ではなく”実行の加速”に集中できる Golden Path = 組織判断の再利用メカニズム 22
23. でもGolden Pathは万能ではない 誤った標準も効率的に拡大する。Golden PathはPlatform Engineerの認知限界を自動では超えない。 23 古い標準 局所最適 見直し不足 旧パターンがそのまま温存される 狭い文脈での最適解が標準になる 定期的な検証やアップデートが欠如 AIを閉じ込めるだけでなく、 標準自体を疑う仕組み が必要
24. 探索と実行を分離する 標準は中央で決める。知見は中央だけで集めない。AI時代のGolden Pathは、固定テンプレートではなく学習する仕組みになる。 標準は中央で決める。 知見は中央だけでは集めない。 24
25. では、なぜ Golden PathをBackstageから提供するのか？ Contextを知っている場所からGolden Pathを提供できることが、Backstageの大きな価値。 Backstage Backstageが持つもの 組織Context 人間（開発者） • 適用先の文脈を知っている UI • Catalog & Actionを 一体で扱える AI Agent • 人間とAIの両方へ同じ能力 MCP を届けられる One Context, One Golden Path, Two Customers. 25
26. まとめ： Portalの利用者は変わる。 Platformの価値は広がる。 Backstageは「何を知るべきか」「どう行動すべきか」を整理し、人間にもAIにも、 組織として正しいContextとCapabilityを届けるプラットフォームへ進化していく。 企業の分散した情報と 選択肢の世界 Git / Jira / TechDocs ... Cloud / Infra / Networking … 情報の探索空間を設計する 行動の探索空間を設計する 何を知るべきかを整理 “どう行動すべきか ”を整理 人間の開発者 Backstage (Context Layer) Security / Compliance 様々な技術・ツール 実装選択肢 チーム/ プロセス / 役割 / ポリシー • 組織のSoftware Ecosystemをモデル化 • 意味付けされた Contextを集的・提供 • AIも人間も同じ Contextにアクセス可能 Golden Path (Capability Layer) Backstage Portal UIからContextを理解し、 Golden Pathで素早く行動 One Context One Golden Path Two Customers AI Coding Agent • Platform Engineerが比較・検証して 標準化 • 組織の判断を再利用できる仕組みを提供 • 学習ループで継続的にアップデート AIの能力を制限するのではなく、 AIが組織の中で賢く働ける 探索空間を設計する 。 BackstageはPortalの裏側で、 人間と AIが共に使う Platformとして価値を拡張し続ける。 26 2つの利用者へ 同じ価値を届ける MCP経由でContextとCapabilityを 取得し、効率的に作業を実行
27. Update confidential designator here Thank you Red Hat is the world’s leading provider of enterprise open source software solutions. linkedin.com/company/red-hat youtube.com/user/RedHatVideo s facebook.com/redhatinc Award-winning support, training, and consulting services make twitter.com/RedHat Red Hat a trusted adviser to the Fortune 500. Version number here V00000