目次
Devin導入で広がる開発の可能性 ― コネヒトのAI実践知
参考になった
1
レビュー投稿日の情報になります
コネヒト株式会社 / shnagai
CTO・VPoE / CTO / 従業員規模: 51名〜100名 / エンジニア組織: 11名〜50名
最終更新日投稿日
| 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3月 | B to C |
| 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3月 |
| 事業形態 | B to C |
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
Agentic AIの活用が今後の開発競争力を高めるために必要と感じていた。これまでは、活用度合いが個人によってまちまちだったため、組織横断で使えるDevinを導入することでAgentic AIに任せられることを組織として増やしたいと考えた。
どのような状態を目指していたか
- 定量的目標: 7月末時点で月100時間 Devinを使う
- 定性的目標: 主要リポジトリでDevinを使ってやれることを増やす
選定理由
1ヶ月のトライアルにおいて、複数リポジトリでDevinに任せられるタスクが生まれたこと
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
- Devin導入でAgentic AIの活用が組織として進み、ナレッジ共有が一段進んだ。
どのような成果が得られたか
- Maxで月60時間利用
- 主要リポジトリにおいて、単純作業だが工数のかかるタスクを完全にDevinに任せる事ができている
導入時の苦労・悩み
タスクをかなり細かく分割すれば割と思い通りに動くが、どこまで分割して何を任せるかの感覚を掴むまではDevinが袋小路に迷い込むことは多々あった。ある程度経験の浅いメンバーに依頼するような粒度感でタスクを分割すると、安定して成果が得られた。
導入に向けた社内への説明
上長・チームへの説明
テックビジョンでRun with TechというAIへの投資を宣言しているため、導入においての障壁はなかった。
活用方法
- 小さく分割したタスクでPR作成
- 定型作業をGitHub Issueでテンプレート化しPR作成
- Devin Searchで専門領域外の仕様調査(これまでならSlackで聞いていたものが自己解決出来るようになった)
- テストコードが充実していないリポジトリでのテスト実装
- GitHub Issue起点でAPI連携を利用し、複数リポジトリのDevinタスクを並列実行させる
- Devin x GitHub ActionsでRenovateのPR対応を自動化する実践ノウハウ
よく使う機能
- Slack Integration
- Devin Search
- Playbook
ツールの良い点
- Slack起点で使えることで、どこからでも使える点とその使い方でチームへの知見が広がる点
- API連携でGitHub Actionsとのインテグレーションを組める点
- 開発環境をDevin上に構築するので画面スクショや動作確認がある程度任せられる
- Devin SearchやDevin Wikiが優秀
ツールの課題点
- Issueに注意事項を記載しているもののDevinが無視することが多々ある
- 初期セットアップはそこそこコストがかかる
- CoreプランでAPIが使えない点
今後の展望
Cursor, Claude Code, Codex, Gemini CLIとの棲み分けが難しく、相対的にDevin利用時間が下がってきているので、常に手を動かしながらその時その時のベストなツールを利用していきたい
コネヒト株式会社 / shnagai
CTO・VPoE / CTO / 従業員規模: 51名〜100名 / エンジニア組織: 11名〜50名
よく見られているレビュー
コネヒト株式会社 / shnagai
CTO・VPoE / CTO / 従業員規模: 51名〜100名 / エンジニア組織: 11名〜50名
