新規プロダクト開発に生成AI活用したけどボトルネックはコーディングじゃなかった話

株式会社スマレジ宮地大成 1 新規プロダクト開発に生成AI活用したけどボトルネックはコーディングじゃなかった話

自己紹介  • 2022年からスマレジでWEBエンジニアやってます。 • それまでは組み込み系で特にテスト周りのお仕事をしていました。 • 現在はCTO室でプロダクトを横断して開発全体の生成AI活用や技術課題の解決を推進しています。 • 生成AI活用事例として実績が欲しい、という流れから新規プロダクト開発を手伝うこと
に...  Taisei Miyaji

生成AIより素早く、良いコードが書ける自信がある人

新規プロダクト開発で生成AIをいっぱい使うぞ   導入したツール  • Devinに簡単なタスクを丸投げする   ◦ かなりスケールしやすい  ◦ 複雑になるとレビューのほうが大変 
• Cursorでいっぱい開発  ◦ rulesの整備  ◦ シニアの頭の中にあったことを共有できたり想定外のメリットも大きかった  • Claude Codeの登場  ◦ 個人的には生成AIツールの分水嶺  ◦ 定額使い放題、CLIによる他ツールとの統合のしやすさ、MCPの登場  ◦ 自分で利用する分にはかなり有効に使えた  • Codexで複雑なタスクも割とこなせるように  

思ったよりうまくいかない開発   • 当初の意気込み  ◦ 生成AIで開発生産性n倍だ!  ◦ リリースまでの期間も大幅に短縮するぞ!  ◦ 必要な人数も減るはず! 
• 発生した問題  ◦ 生成AIに丸投げしてしまいコード品質が低下する  ◦ 結果としてレビューに時間がかかり、シニアに負荷が集中する  ◦ そもそも仕様を詰めきれていない  ◦ ビジネスサイドを含め参加しているメンバー全員複数案件を掛け持ちしており、リソース不足  ◦ コミュニケーションコストの増大 

そもそも生成AIは何を解決し、何を解決しないのか   生成AIで開発生産性は(思ったより)上がらなかった   • ボトルネックはコーディングではなく、要件定義とデザイン、コードレビューだった   • これまで実装を担当していたエンジニアに要求されるレベルが上がった  
◦ 仕様を決めたり、生成AIの出力を理解する必要がある  →コーディング自体は超高速になるものの、それ以外の部分がボトルネックとなり、生成AIでは解決しづらい 

ソフトウェア開発のモデル   引用元: https://ja.wikipedia.org/wiki/V%E3%83%A2%E3%83%87%E3%83%AB

要件定義設計/デザインコーディングコードレビューボトルネック!! ボトルネック!! 生成AIによる高速化 QA・リリース

開発を立て直すために   • 人間同士のコミュニケーションの整理   ◦ 仕様はどうやって決める？  ◦ 開発が気付いた仕様の穴はどうやって埋める？  ◦
仕様はいつまでに決める？  ◦ 仕様は誰が決める？  ◦ スケジュールはどうやって把握する？  ◦ 開発の遅延をビジネスサイドは体感できてる？  ◦ MTGで話したほうがいい？テキストのほうが良い？  • DDDへの立ち返り  ◦ ユビキタス言語を使う  ▪ 同じ単語でコミュニケーションを取る  ▪ コード上も違う単語を使わないように気をつける  ◦ 仕様の理解を素直にコードで表現する 

開発を立て直すために   • 結局大事なのは、チーム全体の「これならいけるかも...!」という雰囲気   • リーダーとして大事なことは現場とのギャップをできるだけ減らすことかも   ◦ このスケジュールじゃ無理に決まってる 
◦ 全然仕様が決まらない  ◦ 終わりが見えない  • スクラムへの立ち返り  ◦ 開発チームが自分たちでこれくらいできそう、なラインを決める(スプリントプランニング)  ◦ うまくいったこと、うまくいかなかったことを振り返る(レトロスペクティブ)  • ビジネスサイドもQAもみんな巻き込んでいく   ◦ 関係者が自由に触って開発の現状と仕様を確認できるように環境を準備する  ◦ 仕様がわからないところはSlackワークフローで投げやすくする  ◦ 他のプロダクトでの失敗とかの知見をビジネスサイドやQAから共有してもらって先回り 

まとめ  • 生成AIはコーディングの速度を大きく向上させた   • ソフトウェア開発において従来よりボトルネックはコーディングではなかった   ◦ そもそも発生する問題は生成AI以前から問題になっていた  •
ソフトウェアエンジニアリングの目指すところ   ◦ 複雑な業務を解いて整理してモデリングし、そのコードを維持し続ける  ◦ 生成AIはその流れを逆流している  • ソフトウェアエンジニアリングは時間で積分したプログラミング   ◦ 生成AIは、これまで積分して発生していた諸問題を顕在化させる  • 反対に「コミュニケーションが必要ではないもの」や「作り直せば済むもの」には非常に有効   ◦ ちょっとしたCLIツール  ◦ 社内向け画面 

まとめ  • 成功しているプロダクトには共通点があるが、失敗しているプロダクトの失敗の仕方は千差万別  • エンジニアとしてできること  ◦ 生成AIを前提に、レバレッジをかけやすいことに投資する  ▪ 例)
Reactの正しい書き方を先に勉強することで、これから生産するコードすべての質が上がる  ◦ 生成AI活用によって、スキルアップ自体も効率的にできる  ▪ 例) NotebookLM、ChatGPT  ◦ 非エンジニアが簡単なツールを作るなら、専門家はより良いソフトウェアを作る必要がある  ◦ 理想の設計、理想のソフトウェアは存在せず、時間経過で最適ではなくなる現実を受け止める   

新規プロダクト開発に生成AI活用したけどボトルネックはコーディングじゃなかった話

新規プロダクト開発に生成AI活用したけどボトルネックはコーディングじゃなかった話

taisei miyaji

More Decks by taisei miyaji

Featured

Transcript

株式会社スマレジ宮地大成 1 新規プロダクト開発に生成AI活用したけどボトルネックはコーディングじゃなかった話

生成AIより素早く、良いコードが書ける自信がある人

新規プロダクト開発で生成AIをいっぱい使うぞ   導入したツール  • Devinに簡単なタスクを丸投げする   ◦ かなりスケールしやすい  ◦ 複雑になるとレビューのほうが大変

思ったよりうまくいかない開発   • 当初の意気込み  ◦ 生成AIで開発生産性n倍だ!  ◦ リリースまでの期間も大幅に短縮するぞ!  ◦ 必要な人数も減るはず!

ソフトウェア開発のモデル   引用元: https://ja.wikipedia.org/wiki/V%E3%83%A2%E3%83%87%E3%83%AB

要件定義設計/デザインコーディングコードレビューボトルネック!! ボトルネック!! 生成AIによる高速化 QA・リリース

開発を立て直すために   • 人間同士のコミュニケーションの整理   ◦ 仕様はどうやって決める？  ◦ 開発が気付いた仕様の穴はどうやって埋める？  ◦

まとめ  • 生成AIはコーディングの速度を大きく向上させた   • ソフトウェア開発において従来よりボトルネックはコーディングではなかった   ◦ そもそも発生する問題は生成AI以前から問題になっていた  •

まとめ  • 成功しているプロダクトには共通点があるが、失敗しているプロダクトの失敗の仕方は千差万別  • エンジニアとしてできること  ◦ 生成AIを前提に、レバレッジをかけやすいことに投資する  ▪ 例)

新規プロダクト開発に生成AI活用したけど ボトルネックはコーディングじゃなかった話

新規プロダクト開発に生成AI活用したけど ボトルネックはコーディングじゃなかった話

More Decks by taisei miyaji

Featured

Transcript

新規プロダクト開発に生成AI活用したけどボトルネックはコーディングじゃなかった話

新規プロダクト開発に生成AI活用したけどボトルネックはコーディングじゃなかった話