AIが書いたコード、 金曜日にデプロイできますか？ AI-DLCのCI_CD再入門
>100 Views
March 10, 26
スライド概要
https://circleci.connpass.com/event/385774/
開発の質と速度を底上げしよう！ 世界中のエンジニアが愛用する CI/CD ツール「CircleCI」の公式アカウントから日本語で最新情報をお届けします。 最新イベント・ミートアップ情報はこちら: http://circleci.connpass.com
関連スライド
各ページのテキスト
AIが書いたコード、 金曜日にデプロイできますか？ AI-DLCのCI/CD再入門 岡本 秀高 ( @hidetaka_dev ) Senior Field Engineer 1
AIコーディングツールを すでに導入 or 検討を始めていますか？ 2
AIコーディングツールを導入して、 開発が速くなった実感 はありますか？ 3
AIコーディングツールの 導入効果 は、 目にみえる指標 としてでていますか？ 4
>Agenda 今日のゴール: AI駆動開発へのシフトに向けたボトルネックの特定 1. 2. 3. 4. 5. AIを導入しても、効率が増えない理由とは？ AIが書くコードを「信頼」するためのアプローチ リリースとロールバックから始めるDevOps Demo CI/CDを「投資」として評価する まとめ 5
自己紹介 Hidetaka Okamoto (岡本秀高 ) ● CircleCI Senior Field Engineer ● https://hidetaka.dev ● http://wp-kyoto.net 6
JAWS Days 2026 ブース訪問ありがとうございました！ ● JAWS Daysに参加する企業の ほとんどが毎週以上のペースで リリースを実施している ● ２つのキーノートでも、 CI / CDの重要性について言及 ● AI を利用した開発や運用についての https://fortee.jp/jawsdays-2026/timetable セッションが複数走っていた 7
>Agenda 今日のゴール: AI駆動開発へのシフトに向けたボトルネックの特定 1. 2. 3. 4. 5. AIを導入しても、効率が増えない理由とは？ AIが書くコードを「信頼」するためのアプローチ リリースとロールバックから始めるDevOps Demo CI/CDを「投資」として評価する まとめ 8
Q AIコーディングツールを導入して、 開発が速くなった実感 はありますか？ Q AIコーディングツールの 導入効果 は、 目にみえる指標 としてでていますか？ 9
ほとんどの企業は、 書いたコードをリリースできていない デリバリーの大きな改善は上位 25%のみ 中央値チームでは、 mainブランチのスループットが減少 2026 State of Software Delivery https://circleci.com/blog/five-takeaways-2026-software-delivery-report/ 10
AI導入の成功・失敗による格差が拡大しつつある 成功したチームは大幅な改善を実現 中規模な企業 / チームは混乱の中にある 2026 State of Software Delivery https://circleci.com/blog/five-takeaways-2026-software-delivery-report/ 11
AI駆動開発の問題は、生成から検証へ移動した 「 AIは使う側の知識を超えられない」 — 和田卓人氏（ t-wada） ● 把握できない量のコードが生まれる ● 把握できないものは、わからない ● わからないものは、判断できない https://circleci.com/ja/blog/ai-delivery-bottleneck/ 12
AI駆動開発の問題は、生成から検証へ移動した 「 AIは使う側の知識を超えられない」 — 和田卓人氏（ t-wada） ● 把握できない量のコードが生まれる ● 把握できないものは、わからない ● わからないものは、判断できない 「デリバリーできるコード」を いかに早く生成させるか？ https://circleci.com/ja/blog/ai-delivery-bottleneck/ 13
Case: Stripe Minions ● コーディングエージェントを自作 ● サンドボックス内で実装を行い、 リントや CI による検証も AIが確認 ● 問題が起きた時は、 AIが自律的に エラーを調査して修正を実施 ● 毎週1,300 以上のPRがMinions経由で 生成・マージされている Minions: Stripe’s one-shot, end-to-end coding agents https://stripe.dev/blog/minions-stripes-one-shot-end-to-end-coding-agents https://stripe.dev/blog/minions-stripes-one-shot-end-to-end-coding-agentspart-2 14
私たちが本当に 欲しかったものは何か？ ● コードが早く手に入るのは嬉しい → しかし成果物の理解が追いつかない ● 本当に欲しかったものは、 ○ デリバリー可能なコード ○ 信頼できる、検証済みのコード 2026年は、コードの検証が 開発の生産性を左右する Copyright © www.projectcartoon.com under the Creative Commons Attribution 3.0 Unported License 15
>Agenda 今日のゴール: AI駆動開発へのシフトに向けたボトルネックの特定 1. 2. 3. 4. 5. AIを導入しても、効率が増えない理由とは？ AIが書くコードを「信頼」するためのアプローチ リリースとロールバックから始めるDevOps Demo CI/CDを「投資」として評価する まとめ 16
AIによるコード生成のリスクを削減させる２つの方法 信頼性の高いコードを 生成するための仕組みを作る 17
AIによるコード生成のリスクを削減させる２つの方法 信頼性の高いコードを 生成するための仕組みを作る 問題を検知して 迅速に対応できる環境を作る 18
AIによるコード生成のリスクを削減させる２つの方法 信頼性の高いコードを 生成するための仕組みを作る ● ● ● 要件定義や設計を AIと人間で入念に行う AIと人間による合意に基づき コードを生成する ステップごとに 人間が確認と承認を行う 問題を検知して 迅速に対応できる環境を作る ● ● ● AIの速度に追従できる 自動テスト環境の構築 自律的な修正や AIによるエラー分析 迅速かつ確実なロールバック パイプラインの構築 19
AIによるコード生成のリスクを削減させる２つの方法 信頼性の高いコードを 生成するための仕組みを作る ● ● ● 要件定義や設計を AIと人間で入念に行う AIと人間による合意に基づき コードを生成する ステップごとに 人間が確認と承認を行う AI DLC / スペック駆動開発 問題を検知して 迅速に対応できる環境を作る ● ● ● AIの速度に追従できる 自動テスト環境の構築 自律的な修正や AIによるエラー分析 迅速かつ確実なロールバック パイプラインの構築 DevOps / CI / CD 20
AI-DLC ：AWSが提唱する AI時代の開発方法論 AI-Driven Development Lifecycle 従来のSDLC AI-DLC 人間がコードを書き、 AIが補助する AIが実行を主導し、 人間が意思決定を行う AI-Assisted AI-Driven 出典：AWS AI-DLC Method Definition Paper (Raja SP, Amazon Web Services) circleci 19
AI-DLC の3つのフェーズ Inception Construction Operations 何を作るか どう作るか どう届けるか 人間が意図を伝え、 AIが設計を提案し、 AIがデプロイユニットに AIが要件・タスクに分解。 コードとテストを生成。 パッケージング。 チームで合意を形成する。 人間が各ステップを承認。 メトリクス分析と運用。 Mob Elaboration Mob Construction Unit of Work（疎結合な開発単位） × Bolt（時間〜日単位の高速イテレーション）で開発を分割 circleci 20
各ステップが「 Loss Function 」として機能する — AI-DLC Method Definition Paper, Section III 人間が検証 AIが生成 次のステップの入力へ Intent （意図） User Stories, NFRs, Risks Unit （作業単位） 疎結合なUnit定義 Domain Design ドメインモデル + ADR Code & Test 検証済みコード + テスト 小さなズレを各段階で検出・修正し、下流での大きな問題を防ぐ circleci 21
GitHub にあるドキュメント群を DLして試そう https://github.com/awslabs/aidlc-workflows 24
Operations フェーズには「空白」がある AI-DLCが定義していること 定義されていないこと AIがDeployment Unitsにパッケージング テスト選択戦略（何をどこまでテストするか） 開発者が承認しロールアウトを開始 デプロイとリリースの分離パターン AIがメトリクスを分析し異常を検知 段階的リリースとロールバック設計 Runbookに基づく対応策の提案 パイプラインレベルのガードレール AI-DLCは「作り方」を再設計した。 「届け方」の具体戦略は、 CI/CD側で構築する必要がある。 circleci 22
Loss Function の思想を「届け方」にも拡張する フェーズ Loss Function 検出するもの Inception Mob Elaboration 要件レベルのズレを早期発見 Construction Mob Construction 設計・実装レベルのズレを検出 Operations CI/CD Pipeline 本番影響・ユーザー影響・復旧手段を制御 2026年は、コードの検証が開発の生産性を左右する circleci 23
AI DLCの「next step」 ● AI駆動開発において、 CI / CDは重要な投資対象 ● コード生成のスケールに パイプラインが追従してるか？ AWS re:Invent 2025 - Introducing AI driven development lifecycle (AI-DLC) (DVT214) https://www.youtube.com/watch?v=1HNUH6j5t4A 27
AIが書くコードを 信頼するための設計原則 ● AI-DLCは「作り方」を再設計した ● 人間が意思決定を行い、 AIは実行者として振る舞う ● 作った後の「届け方」に 注目が集まりつつある https://mame.github.io/minesweeper-spoiled-by-ai/# 2026年は、コードの検証が 開発の生産性を左右する 28
>Agenda 今日のゴール: AI駆動開発へのシフトに向けたボトルネックの特定 1. 2. 3. 4. 5. AIを導入しても、効率が増えない理由とは？ AIが書くコードを「信頼」するためのアプローチ リリースとロールバックから始める DevOps Demo CI/CDを「投資」として評価する まとめ 29
CI / CD は AI駆動開発の ボトルネックになりやすい ● アムダールの法則 ● AIがコーディングタスクを並列化 ● 「並列化されていない部分」が ボトルネックになって改善幅が限定される ● 開発サイクルの一部分ではなく、 フロー全体をスケールアップ / アウトする 出典：英語版ウィキペディアのDaniels220さん, CC 表示-継承 3.0, https://commons.wikimedia.org/w/index.php?curid=6678551 30
CircleCI: 世界最大規模 の CI / CDプラットフォーム Our mission: 世界中のだれもが、思い浮かんだアイデアを すぐにソフトウェアとして配信できるように支援す る ● 複数のリポジトリサービスに対応 : GitHubやBitbucket / GitLabなどの複数サービスをサポート ● Pipeline/ Config as Code: タスクの条件や定義を YAMLで管理。URLベースの共有にも対応 ● 大規模な CI / CD活用を支援する機能群 : CircleCIを ご利用中のお客様（一部） テスト分割や並列化 / パフォーマンス分析機能 SSHデバッグ / リトライやロールバック機能 / etc… 31
スケーラブルな CI/CD パイプライン ● さまざまなコンテナ / VMを提供 Docker / Linux / macOS / etc.. ● YAMLを１行変えるだけで、 ジョブのスケールアップを実現 ● タスクやテストの並列実行で スケールアウトにも対応 https://circleci.com/pricing/price-list/ 32
Closed Preview 効率的なテスト実行計画を自動的に作成 Smarter Testing テスト実行対象を自動選択 ● ● 変更内容を分析して 必要なテストのみを実行 選択した理由なども分析可能 並列テストの実行時間最適化 ● ● 並列実行するテストの 実行時間を平均化 後続のジョブ開始時間を短縮 33
テストだけでなく デプロイやロールバックも ● マーカーを設定して デプロイ状況を記録 ● ダッシュボードから 任意のバージョンにロールバック 特にインシデントのような状況では。スクリプトがどのよ うに動作しているかを事前に理解したくないですよね。 < 中略> ロールバックしたいコミットハッシュを指定するだ けで済むのは、本当に助かりました。 https://circleci.com/blog/how-perk-recovers-faster-with-centralized-rollbacks/ 34
セキュリティ要件などに応じて運用方法を決定 クラウド サーバー インスタンスのセットアップ、 セキュリティ、メンテナンスはすべてCircleCIが実施 ディベロッパー/ ユーザー データベース 顧客が管理するネットワーク内に 顧客専用のCircleCIをセットアップ ディベロッパー/ ユーザー ビルドの フリート キャッシュ & アーティファクト VCS （GitHub.com または Bitbucket Cloud） + データベース ビルドの フリート VCS キャッシュ & アーティファ クト （GitHub.com または GitHub Enterprise Server） セルフホストランナー: 実行環境だけ顧客管理のネットワーク内に配置する 35
>Agenda 今日のゴール: AI駆動開発へのシフトに向けたボトルネックの特定 1. 2. 3. 4. 5. AIを導入しても、効率が増えない理由とは？ AIが書くコードを「信頼」するためのアプローチ リリースとロールバックから始めるDevOps Demo CI/CDを「投資」として評価する まとめ 36
CI/CDへの投資をどう評価するか？ ● ツールの便利さではなく、アウトカムで回答が必要 ○ いくらかかるのか？ ○ ROI はどのように測るのか？ ● 予算を承認するためには「理由」が必要 ○ できるだけすでにある契約の中でやりくりしたい ○ 主観的なメリットよりも、コストや数字での判断が優先される 37
DORA Four Keysでチームの現状を可視化する * DORA DevOps Research Association ( https://dora.dev/ ) 開発現場での課題 事業側の関心事 DORA Four keys もしもの時に備える インシデント 対応力 MTTR（復旧時間） 本番環境での障害から 回復するのにかかる時間 デプロイの怖さを減ら す 品質・信頼性 変更障害率 デプロイが原因で 本番環境で障害が発生する割合 開発速度をより早く 市場投入速度 デプロイ頻度 変更リードタイム 本番環境へのリリースの頻度 commit からリリースまでの所要時間 課題を解決することで得られる outcomeを特定する https://cloud.google.com/blog/ja/products/gcp/using-the-four-keys-to-measure-your-devops-performance 38
CI/CDによる改善の価値を計算する CircleCI CEOによるブログ :https://circleci.com/ja/blog/business-value-of-software-delivery/ 改善項目 ROI 計算式 計算例 ( 10人チーム / 年収550万円想定) ビルドや デプロイ時間の 短縮 (現在の時間 - 目標時間) × 実行数/日 × 開発者コスト/分 × 稼働日数 ( 10分 - 5分 ) x 10回/日 x 50円/分 x 20日 = 500,000 円 / 月 変更障害率 (現在のMTTR - 目標MTTR) × 失敗率 × 実行数/日 × 開発者コスト/分 × 稼働日数 ( 30分 - 15分 ) x 5% x 10回/日 x 50円/分 x 20日 = 150,000 円 / 月 (現在の失敗率 - 目標失敗率) × スループット/日 × ビルドコスト × 稼働日数 (20% - 5%) × 10回/日 × ¥2,500 × 20日 = ¥75,000 / 月 ビルド成功率 ビルドの高速化 ビルド成功率改善 障害発生率削減 月間725,000円 年間約870万円 のコスト削減 39
計測し、ベンチマークと比較する https://circleci.com/software-delivery-data-explorer/ 40
2つの指標で多視点から可視化する DORA Four Keys CI / CD 操作指標 視点 インシデント 対応力 MTTR（復旧時間） 指標の性質 遅行指標 プロセス指標 用途 定期的な診断 調査すべき仮説を立てるための指標 プロセスのボトルネックを特定する DevOps / CI・CD施策の効果測定 DORA Four Keys → CI / CD指標で調査 CI / CD指標を改善すると、 DORA Four Keysが動き出す https://cloud.google.com/blog/ja/products/gcp/using-the-four-keys-to-measure-your-devops-performance 41
CI/ CD のROIを ROI Calculator で 計算してみよう ● 開発チームの現状を入力する ○ 人数 / ビルド回数 https://circleci.com/autonomous-validation-roi/ ○ ● 実行時間 / MTTR 10人チーム、 1ビルド/日 WF10 分、復旧 60分の場合 ○ 月94時間の短縮 ○ 人件費ベース 約400万円 / 年 42
経営には数字を 現場にはストーリーを ● CI / CDで改善のサイクルを回す 効率化によるコスト最適化 → 障害による損失リスク → 手戻りや調査による非効率 ● 現場の不安や摩擦を解消する → リリースが怖くなくなる → 大小の改善を高頻度に 43
>Agenda 今日のゴール: AI駆動開発へのシフトに向けたボトルネックの特定 1. 2. 3. 4. 5. AIを導入しても、効率が増えない理由とは？ AIが書くコードを「信頼」するためのアプローチ リリースとロールバックから始めるDevOps Demo CI/CDを「投資」として評価する まとめ 44
AIは開発を加速した。しかし、届く速度は上がっていな い。 2026 State of Software Delivery Report スループット Main Branch 成功率 中央値チーム +59% 70.8% Feature +15% 前年比（平均） 過去5年間で最低 書く量は増えた。出荷は減っ た。 Main -6.8% 問題はAIツールの選定ではなく、デリバリーの設計にある circleci40
AI-DLC × CI/CD の両輪で信頼を作る この両輪が揃えば、デプロイに曜日は関係なくなる 正しく作る 安全に届ける AI-DLC / スペック駆動開発 DevOps / CI / CD AIと人間で設計を合意してから生成する AIの速度に追従できるテスト環境を構築す る ステップごとに人間が確認・承認する 信頼性の高いコードが最初から出てくる 問題が起きたら素早く検知・対応する いつでも戻せるロールバック体制を持つ 2026年は、コードの検証が開発の生産性を左右する circleci41
ChunkでCIエラーの調査と修正を一気通貫 https://qiita.com/CircleCIJapan/items/5683e63ea28fbaf3f7fe 47
まずは現状のチェックから Step 1： Four Keysで現状を測る コミットから本番リリースまでの時 間、障害からの復旧時間を計測す Step 2： ボトルネックを特定する • MTTRが⻑い：ロールバック⼿順の不備 • 変更障害率が⾼い：テスト不⾜‧環境差分 る。まず可視化するだけで、どこに 問題があるかが⾒えてくる。 Step 3： 改善効果を数字で⾒積 「ビルド時間の短縮」「障害対応時 間の削減」を⽉額‧年額で試算し、 • リードタイムが⻑い：⼿動作業‧レビュー 投資判断の材料にする。 遅延 48
学習リソースとコミュニティ さらに学ぶための情報源 ● ● 公式ドキュメント https://www.oreilly.co.jp//books/9784814400690/ https://circleci.com/docs 実装順序の指針 レガシー環境への適用 シグナル設計の原則 etc.. ROI Calculator: 自社の状況でコスト削減効果を試算 https://circleci.com/autonomous-validation-roi/ ● 2025 State of Software Delivery Report 最新の業界データとインサイト https://circleci.com/resources/2025-state-of-softw are-delivery/ ● 入門 継続的デリバリー CircleCI の「How」だけでなく CI/CD の「Why」を学べる Twitter: CircleCIJapan 49