【要約】AI-DLCで3日で社内IDP（Internal Developer Platform）のMVPを作った話 [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
パナソニック デジタル株式会社の基盤担当者が、開発環境の払い出しにおける手作業の工数削減を目指した際、以下の課題に直面した。
- ・RedmineのセットアップやGitリポジトリの初期化、Jenkinsのジョブ設定など、多岐にわたる手作業が発生していた。
- ・コンテナオーケストレーションへの登録やnginxの設定、初回ビルド・デプロイまで、一連の工程に2人日の工数を要していた。
- ・これらの煩雑な手作業が、開発全体のリードタイムを圧迫する要因となっていた。
// Approach
開発効率を極限まで高めるため、AIと人間が役割分担するAI-DLCという手法を採用した。AIがドラフトを作成し、人間が判断・承認を行うプロセスを徹底した。
- ・要件定義フェーズでは、AIが21問の質問を生成し、スコープや非機能要件の抜け漏れを防止した。
- ・実装フェーズでは、FastAPIを用いたWebポータルから、SSHや各種REST APIを介して各ツールを自動制御する構成とした。
- ・デバッグ工程では、AIとの対話的なサイクルにより、数分単位での修正と再テストを繰り返した。
// Result
この取り組みにより、開発環境の払い出し業務において劇的な改善を実現した。
- ・環境払い出し時間を、従来の2人日から約20分へと大幅に短縮した。
- ・開発期間を、従来の見積もり（15〜24日）に対し、わずか3日間で完了させた。
- ・約2,500行のコードと4種類のAPI連携を含むMVPを、5〜8倍の速度で構築した。
- ・API仕様書や操作マニュアル、インフラ構成図などのドキュメントも自動的に整備された。
Senior Engineer Insight
> AI-DLCは新規開発のMVP構築において圧倒的な破壊力を持つ。AIが要件の「抜け漏れ」を指摘する点は、設計品質の向上に直結する。ただし、AIの出力に対する検証能力がエンジニアに強く求められる。nginxの設定ミスのような、AIの誤りを見抜く「審美眼」が不可欠だ。既存資産への適用には、コンテキスト管理の課題が残るだろう。