Sentry×Jira×Devin連携で、エラー検知からAIによる修正PR作成までを自動化・効率化

Sentry自体は以前から導入されていましたが、当時はエラーを検知した後の調査やタスク化が手動メインでした。そのため、不具合に気づけても実際の修正までになかなか至らなかったり、調査に時間がかかったりと、改善活動を効率よく回せていない課題がありました。

そこで、Sentryのエラー情報を起点にして、後続の作業を仕組み化することを目指しました。具体的には、社内の他チームで成果が出ていたフローを参考に、SentryからJira起票、Clarityでの挙動確認、Devin（AI）による修正PR作成までを連携させました。これにより、人間が手を動かすコストを最小限にしつつ、スピーディーに不具合を解消できる体制を整えました。

改善したかった課題はどれくらい解決されたか

「検知したエラーが放置される」「調査に時間がかかる」という課題が解決されました。Sentryから得られる情報の解像度が高いため、AIへの指示出しがスムーズになり、人間が手を動かす時間を大幅に減らせています。

どのような成果が得られたか

Sentryで検知したエラーをデイリースクラムで判断し、即座にJira起票、そのままDevinに修正PRを出させる流れが定着しました。この効率的な活用モデルを他チームにも共有したことで、組織全体のデバッグ品質の向上に寄与できました。

「エラーは起きているけれど、原因特定やタスク化に手間取っている」というチームには合っていると思います。Sentryをハブにして他のツールと連携させることで、デバッグ作業の負担を減らすことができます。

今はエラー検知がメインですが、今後はパフォーマンスモニタリング機能なども活用し、ユーザー体験を損なうような事象を未然に防ぐ運用も強めていきたいです。