Sansan株式会社 Bill One 開発組織におけるDevin活用事例

ツール導入前の背景

Bill Oneでは、生産性向上の新たなアプローチとして、AIエージェントツールの可能性を探っていました。 特に「Devin」という世界初の自律型AIソフトウェアエンジニアが、実際の開発現場でどれだけ活用できるのか検証したいという思いがありました。

どのような状態を目指していたか

いきなりプロダクトのメイン機能開発に組み込むのではなく、まずは日常的な運用タスクから始めてみようというアプローチでした。 顧客からの問い合わせ対応、不具合調査、バグ修正などをAIに任せることで、エンジニアがより創造的な業務に集中できる環境を目指しました。

そのほか、UIライブラリ移行に伴う定型的な作業の効率化を期待していました。

• GitHub Copilot
• Cline
• Cursor

GitHub CopilotやCursorはIDE上でコーディングを補助する「個人の能力強化」ツールです。 一方、DevinはSlackから指示を受けて独立してタスクをこなす「チームの一員」として機能します。

この非同期で自律的な動作が、エンジニアの作業時間確保につながると考えました。

当時、Devinのような非同期タスク実行が可能な自律型AIエージェントは他に存在しませんでした。 タスクの解釈から実装、PR作成までを一気通貫で実行できる点が最大の魅力でした。

また、社内の他部署でも導入検証が始まっており、ナレッジ共有や予算面での連携がとれそうだったことも大きな後押しでした。

改善したかった課題はどれくらい解決されたか

顧客問い合わせの調査、不具合調査、運用アラート等の一次調査をDevinに任せることで、 エンジニアの日常的な負担が確実に軽減されました。

特に大きな成果を得たのが、UIライブラリの移行作業です。 Devinによってプロダクト画面 50画面分の移行作業PRを作成できたため、 作業が大幅に加速し、期待以上のスピードで進められました。

どのような成果が得られたか

• 調査工数の削減: 顧客問い合わせの仕様確認、機能の影響範囲調査、過去実装の確認などの時間を短縮
• リファクタリングの加速: UIライブラリ移行作業を加速
• 塩漬けタスクの解消: 後回しになりがちだったバグ修正や改善作業が迅速にプロダクトに反映

導入自体はスムーズでしたが、全社利用を進める中で大規模組織ならではの課題が出てきました。

• Knowledgeの管理: 全社で1つのTeamプランを共有しているため、他チームのKnowledgeも混在し管理が煩雑
• 実行環境の競合: Devin Machineのセットアップは同時に1つのRepositoryしか実行できない。タイミングが重なると待ち時間が発生

調査系タスクやリファクタリングをDevinに任せることで、エンジニアはより重要な業務に集中できます。 「チームの一員に仕事を振る」感覚で使うのがポイントです。

ただし、大規模組織ではTeamプランの制約（Knowledge共有範囲、実行環境の競合）に注意が必要です。運用ルールをしっかり整備しましょう。

現状は具体的な指示が必要ですが、将来的には仕様書を渡すだけでコードが生成されるような「真のAI駆動開発」の実現を期待しています。

AIエージェントの進化は速く、開発のあり方を根本的に変える可能性を秘めています。 私たちも継続的に活用し、AIと共存する新しい開発スタイルを模索していきます。