KINTOテクノロジーズ株式会社におけるDevin活用事例の紹介
参考になった
0
KINTOテクノロジーズ株式会社 / renmi
チームリーダー / バックエンドエンジニア / 従業員規模: 301名〜500名 / エンジニア組織: 101名〜300名
| 利用プラン | ツールの利用規模 | 事業形態 |
|---|---|---|
Teamプラン | 101名〜300名 | D to C |
| 利用プラン | Teamプラン |
|---|---|
| ツールの利用規模 | 101名〜300名 |
| 事業形態 | D 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
開発業務では以下のような課題を抱えていました
- サービスグロースと少人数体制の両立
- すぐに人員を増やせない中、限られたリソースでサービス成長を推進しなければならない制約
- コンテキストスイッチの負荷
- 複数のマイクロサービスを横断する開発において、コンテキストの切り替えが大きな負担
- 技術負債への対応
- 機能開発における割合が高くなり、技術負債の解消に十分な時間を割けない状況
- インシデント発生時の影響範囲調査に時間がかかる
- 複数リポジトリにまたがるシステムのため、問題の原因特定と影響範囲の把握に多くの工数が必要
どのような状態を目指していたか
- 限られたリソースでの開発効率向上
- 複数リポジトリを横断した調査・分析の効率化
- インシデント対応の迅速化
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
- インシデント対応時間の短縮
- 従来2日かかっていた対応が1日に短縮
- 初動調査の高速化
- アラート発生から約3分でDevinがリポジトリ横断した調査結果を提示できる体制を実現
どのような成果が得られたか
- Slackでのやりとりでほぼ対応が完結
- 検知から1日で対応が可能になり、Slack上のコミュニケーションだけでほぼ完結する運用に
- AI/Human PR比率が約50/50に
- 開発作業の約半分をAIが担う状態を達成
- 軽微な修正だけでなく機能開発時のコアの部分の修正もAIに任せることができている
導入に向けた社内への説明
上長・チームへの説明
会社として生成AIへの投資を積極的に行なっていた点と他チームで先行してDevin導入のトライアル検証をしていたため、上長へ相談し自チームでも検証を行う形で導入しました。チームへの展開についてもメンバーのAIに対する興味とDevinの使い勝手の良さ(slackで気軽に利用できる)もあり導入から利用までスムーズに展開することができました。
活用方法
インシデント対応の自動化フロー
- Slackにアラート通知
- Zapierがトリガーを検知
- DevinにSlack経由で調査を依頼
- Devinが複数リポジトリを横断して調査・分析
- 調査結果をSlackに返答、必要に応じて修正PRを作成
普段の開発
- 開発のスポット作業や調査依頼にDevinを活用
- 既存コードの改修、複数リポジトリにまたがるタスクで活用
よく使う機能
- Knowledge機能でリポジトリ単位でデフォルトとなるプロンプトを事前に設定しておくことで、タスクの精度を向上させる
例:
- PRメッセージは日本語で記述し、冗長な内容にならないよう端的に記述しましょう。
- どうしても冗長になる場合は、改行や箇条書き等文章構造を意識して人間にとって読みやすくしましょう。
- PRメッセージの構造については、リポジトリに配置されている`.github/PULL_REQUEST_TEMPLATE.md`に従ってください。
- わからないことはそのままにせずに確認をとってください。
- CI に二回連続で失敗した場合は作業を止め、現状の報告をして指示を仰いでください
- Devin's Machineで環境構築済みの状態をスナップショットとして保存することで、毎回のセッションで作業開始までのリードタイムを短縮
- Slack連携により@Devinでタスクを依頼でき、進捗もスレッド内で確認できる
ツールの良い点
- マイクロサービスアーキテクチャのように複数リポジトリにまたがる複雑な構成で、Devinの強みが発揮される
- 一度タスクを依頼すれば、自動で調査・分析・開発を進めてくれるため、エンジニアは他の作業に集中しながら並行して成果を得られる
- 普段使い慣れたSlackから直接指示を出せるため、既存のワークフローに自然に組み込める
ツールの課題点
期待通りの結果を得るために、プロンプトの出し方に工夫が必要
->Knowledge機能やリポジトリ連携など事前に設定しておくことでインプットの質を高めて、ある程度簡易なプロンプトでも対応できるようにする複雑なタスクでは人間のレビューや追加指示が必要な場面が出てくる
->どうしても1回で期待値の品質にならないことがあるので、slackでチャットベースで気軽にやりとりできるように設定しておくことで低負荷で作業ができるようにする
ツールを検討されている方へ
Devinのような自律型AIエージェントを導入する際に最も重要なのは、AIが正確に動作するための「コンテキスト解像度」を高めることだと感じています。どのような背景で、何を目的として、どのような制約の中で作業してほしいのかを明確に伝えることが、成功の鍵となります。
また、AIの出力を鵜呑みにせず、最後は必ず人の目を通す仕組みを構築することをお勧めします。AIはあくまでも強力なアシスタントであり、最終的な品質担保は人間が行うという前提で運用することが重要です。
特にマイクロサービスアーキテクチャのように複数リポジトリにまたがる複雑な構成を持つプロジェクトでは、Devinの強みが最大限に発揮されます。リポジトリ横断の複雑性こそ、AI活用の価値を最大化できる領域です。単一のリポジトリで完結するシンプルな作業よりも、複数の関連システムを俯瞰しながら調査・分析・開発を行う必要があるタスクにこそ、ぜひ活用を検討してみてください。
今後の展望
今後の展望としては、まずインシデント対応の更なる自動化を進めていきたいと考えています。現在は調査フェーズでの活用が中心ですが、将来的には修正・テスト・デプロイまでを一貫して自動化し、インシデント発生から解決までのリードタイムを大幅に短縮することを目指しています。 また、技術的負債の計画的な解消、新メンバーのオンボーディング支援、テストの自動生成といった領域でもDevinの活用を広げていく予定です。日常業務で後回しになりがちなコード品質の改善や、新メンバーの早期戦力化、テストカバレッジの向上など、継続的な取り組みが求められる領域でこそ、AIの力を借りた効率化が効果を発揮すると考えています。 最終的には、AI開発のさらなる深化としてClaude Code、Devin、Geminiといった複数のAIツールを組み合わせ、それぞれの強みを活かした最適なワークフローを確立することで、開発チーム全体の生産性の向上につなげていきたいと考えています。
KINTOテクノロジーズ株式会社 / renmi
チームリーダー / バックエンドエンジニア / 従業員規模: 301名〜500名 / エンジニア組織: 101名〜300名
よく見られているレビュー
KINTOテクノロジーズ株式会社 / renmi
チームリーダー / バックエンドエンジニア / 従業員規模: 301名〜500名 / エンジニア組織: 101名〜300名
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