【要約】投資系YouTuberにDMを送ったら、AWS未経験の2人で307個のissueを潰してSaaSをリリースしていた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
開発チームは、決算情報通知サービスの構築において、技術選定やコスト、制約といった課題に直面した。
- ・XBRL形式の複雑なタグ構造によるデータ取得の困難さ。
- ・決算発表時のアクセス集中に伴う、AWS利用料の増大。
- ・Step Functionsのペイロード制限（256KB）による停止。
- ・決算発表時のスパイク負荷による通知の重複発生。
- ・未経験ゆえのリソース選定ミスによる、設計の手戻り。
// Approach
チームは、Claude Codeを用いたAI駆動開発を採用し、アーキテクチャを段階的に最適化した。
- ・Claude Codeを活用し、要件定義からAWS実装までを迅速化した。
- ・要件に基づき、LambdaからApp Runner等へインフラを刷新した。
- ・本番想定の負荷試験を実施し、バグや制約を事前に特定した。
- ・Step Functionsの制限に対し、S3を介したデータ受け渡しへ変更した。
- ・コスト試算に基づき、銘柄登録数の上限を設定した。
// Result
開発チームは、開発開始から約1年で307件のissueを完遂し、実用的なSaaSをリリースした。
- ・25以上のCDKスタックと33のLambda関数を含む、堅牢な基盤を構築した。
- ・リリース直後から有料プランの契約を獲得し、収益性を証明した。
- ・決算発表時のスパイク負荷に耐えうる、通知パイプラインを確立した。
- ・ユーザー要望に基づき、AI分析スコア等の機能を実装した。
Senior Engineer Insight
> AI駆動開発は、未経験者でも高度なインフラ構築を可能にする強力な武器となる。ただし、Step Functionsの制限やAWSのコスト管理は、AI任せでは不十分である。実戦では、AIによる高速な試作と、人間による厳格なコスト試算・負荷試験の併用が、SaaSの生存率を高める。