株式会社LayerX AI・LLM事業部のDevin導入事例
参考になった
9
株式会社LayerX / osuke
テックリード / フルスタックエンジニア
| 利用プラン | ツールの利用規模 | ツールの利用開始時期 | 事業形態 |
|---|---|---|---|
Teamプラン | 11名〜50名 | 2025年1月 | B to B |
| 利用プラン | Teamプラン |
|---|---|
| ツールの利用規模 | 11名〜50名 |
| ツールの利用開始時期 | 2025年1月 |
| 事業形態 | B to B |
導入の背景・解決したかった問題
導入背景
ツール導入前の課題
進めなければならない開発タスクが多く、より高速に開発を進めていく必要がありました。Devinを活用することで、不具合修正などの開発タスクを任せられることを期待しました。
どのような状態を目指していたか
Devinが得意とするタスクはDevinに任せ、人間の開発リソースを本当に人間しかできないタスクにアサインする状態を目指しました。
比較検討したサービス
- Cursor
- Cline
- ChatGPT
- Gemini
比較した軸
開発者は日頃からCursorやClineなどでLLMを活用していますが、新たにDevinを活用することでさらに開発生産性が向上するのか、コストに見合って成果が出るのかを重視しました。
導入の成果
改善したかった課題はどれくらい解決されたか
適材適所で利用することでエンジニアの生産性向上に大きく寄与することができました。より効率的な活用法を模索しています。
どのような成果が得られたか
- コンテナイメージの最適化
- 非エンジニア向けの特定機能の仕様書やマニュアルを自動作成
- 開発者自身が詳しくない部分のコード修正などもDevinが開発を進めつつ開発者自身もキャッチアップができた
導入に向けた社内への説明
上長・チームへの説明
この手のLLMベースのツールはまず使って試してみることが重要でチーム内で積極的に導入が進められました。
一方コストは高いので、導入後、一定の利用額に達した際に継続利用の判断をするために、活用したメンバー内でDevinを使うことで上手くいった内容、逆に上手くいかなかった内容、Devinを使うことで具体的にどのくらい時間の短縮に繋がったか、などを事例ベースでまとめました。
活用方法
基本的には、Slackで @Devin でメンションして、開発タスクを依頼しています。DevinがPR作成などを進めてくれるので、Github上のPRでレビューのやり取りなども行います。
よく使う機能
- Session実行
- Slackで指示を出し、Github上にPRを作成してもらいます。
- Knowledge機能
- Session実行で学んだレポジトリのコンテキストをKnowledgeとして登録しコンテキストを拡張させます。
ツールの良い点
相性の良い開発タスクは、開発生産性の向上に大きく寄与します。
特に、コンテナイメージの最適化など一般的な知識を必要とする開発タスクでプロダクト仕様を熟知する必要がない（が、コードベースをコンテキストに入れることでより改善余地が広がる）ような類の開発タスクは相性が良いです。
ツールの課題点
金額的なコストが高い点があげられます。Devinに適していないタスクや指示が曖昧だと、価値のあるアウトプットが得られないにも関わらず、高いコストがかかってしまうことがあります。
今後の展望
Devinが担えるタスクと不得意なタスクの傾向をナレッジ化し、効率的な活用法を模索していきたいです。Devinが全ての開発タスクに最適というわけではなく、適材適所で利用することで、エンジニアの生産性向上に大きく寄与すると考えています。
さらに、Devin自身も我々のエンジニアの一員として扱い、作業環境の改善にも取り組んでいます。たとえば、ADRやDesign Docなどの設計情報をGitHubリポジトリに含め、より豊富なコンテキストを与えることで、Devinの処理精度を向上させることに繋がります。また、ファイルごとの行数を減らすなど、処理しやすいコードベースにする取り組みも進行中です。
そして、Devin自体にも実行ごとに自動提案されるKnowledgeを溜めることができるので、我々のコードベースのコンテキストに習熟していくように育てていきたいと考えています。
株式会社LayerX / osuke
テックリード / フルスタックエンジニア
株式会社LayerX / osuke
テックリード / フルスタックエンジニア
レビューしているツール
目次
- 導入の背景・解決したかった問題
- 活用方法