AI駆動開発（AIDD）コンテンツ紹介
AI駆動開発における課題
既存システムがモノリス/モジュラーモノリスだと、AI駆動開発を適用しても【相性が悪い】ため
多くの課題が発生
AIメモリの
オーバーフロー
-
モノリス/モジュラーモノリスのシステムが持つ数万~数十万行のコードをAIメモリに載せるのは不可能
-
AIが誤った修正を行う確率が大きくなる
フィードバックループ
の鈍化
-
AIエージェントは「コードを書く→テスト実行→エラー修正」のループを高速で回すことで精度を高める
-
モノリス特有の「長時間のビルド」「重いテストスイート」は、このループを阻害、AIの生産性を著しく低下させる
AIが「賢すぎる」ゆえ
の結合の悪化
-
境界を引いていても、AIは便利そうなクラスを見つけると、境界を無視・勝手にimportして使い回す傾向があり
-
人がレビューしないと、あっという間にスパゲッティコード化が加速する（読解不能なコードになる）
AIエージェント
-
機能が独立しており、並行して高速に開発することが可能
-
対象のマイクロサービスのみに注目して修正される
-
コンテキストも小さくなるため、コード全体が破壊されるリスクが小さく、テストも高速に実施可能
マイクロサービス単位で観測することが可能
AI駆動開発を成功させるためには
【AIコーディングの不確実性を押さえ込むアプローチ】
【開発全体のスループットを最大化】
が必要
AI駆動開発を高速かつ効率的で安定した状態で実施するために は
マイクロサービスアーキテクチャが最適
観測
ただし…
マイクロサービスアーキテクチャでは
データの整合性をとるのが困難
AI駆動開発の最適解
AI駆動開発
×
マイクロサービス
×
ScalarDB
-
マイクロサービス化をすることでAIの分析・実装精度が向上
-
ScalarDBを使うことでマイクロサービス化をしてもデータの整合性を担保可能
-
AIが生成する複雑な処理コードも、ScalarDBによりインフラ側で抽象化が可能
開発全体のスループットが最大化
AIDDに関連する情報を下記リンク先にて公開をしております。
また、定期的な情報の発信も行なっておりますので是非チェックをお願いします。
【動画＆資料】
-
Claude Code AI開発支援テンプレートを利用したAPI開発【Youtube】【Speakerdeck】
-
UI/UXの開発フレームワーク 1/2 - デザインと実装【Youtube】【Speakerdeck】
-
UI/UXの開発フレームワーク 2/2 - 評価と自動化【Youtube】【Speakerdeck】
-
AI駆動で構築する_AI駆動開発のためのマイクロサービスCI/CD基盤の作り方【Youtube】【Speakerdeck】
-
Claude Code によるリファクタリング（1/2）：現行システムの分析と評価の方法【Youtube】【Speakerdeck】
-
Claude Code によるリファクタリング（2/2）：実装計画の策定方法【Speakerdeck】
-
Claude Code の AIエージェントやスキルの作り方【Youtube】【Speakerdeck】
-
POSシステム開発におけるClaude Codeエージェント設計と成果物の差分検証【Youtube】【Speakerdeck】
-
AI駆動開発で人事管理アプリの作成をした話 × ClaudeCode SKILLs & Rules【Youtube】【Speakerdeck】
-
Claude Codeを利用してAWS環境構築の省力化に挑戦する記録【Youtube】【Speakerdeck】
【各種リンク】
-
ScalarDB ドキュメンテーションホーム：製品のマニュアルやアップデート情報を発信【Link】
-
Scalar Engineering（ブログ）：開発チームのScalar製品の情報発信ブログ【Link】
-
Scalarソリューションブログ：ソリューション開発に関わる体験や備忘録、製品の情報を発信【Link】
-
勉強会コミュニティ：定期的に開催している勉強会のコミュニティ【Link】
-
Github：【Link】
-
各種SNS：【X（旧Twitter）】【Facebook】【LinkedIn】