概要
https://zenn.dev/ubie_dev/articles/ba673d94a20b88
詳細内容
## 生成AI時代のデータプロダクトを“安定稼働”させるためのプロセス再設計の手順
https://zenn.dev/ubie_dev/articles/ba673d94a20b88
Ubieは、データプロダクトの複雑化とインシデント増加に対し、生成AIを活用した分析・QA自動化と、V字モデルに基づいた開発・運用プロセスの再設計により、短期間での安定稼働を実現した。
**Content Type**: ⚙️ Tools
**Language**: ja
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 86/100 | **Annex Potential**: 84/100 | **Overall**: 84/100
**Topics**: [[データプロダクト安定稼働, 生成AI活用, QA自動化, 開発プロセス再設計, V字モデル]]
Ubieは、データそのものが価値となるデータプロダクトにおいて、事業成長に伴うパイプラインの複雑化とインシデント増加に直面し、「安定稼働プロジェクト」を発足しました。年末までのわずか2.5ヶ月でインシデント数を減少させるため、データパイプラインの改善だけでなく、End to Endでのプロセス構造変革を目指し、QA、オペレーション、ソフトウェア、BI/Analyticsの各職能が連携するクロスファンクショナルチームを組成しました。
まず、過去半年間のインシデントとヒヤリハットを棚卸し、一般的なウォーターフォール開発で用いられるV字モデルにマッピングしました。この分析には生成AIを活用し、インシデント原因を各工程にスコアリングすることで「爆弾マップ」を作成し、リスクの集中箇所を可視化しました。この結果、要件の曖昧さ、認識齟齬、手順の不統一が主な原因であり、約40%が「追加実装（仕様変更）」と「運用・監視不足」に起因することが判明し、チーム内で課題認識を統一できました。
次に、データプロダクト特有のステートフル性（過去データや外部要因に依存し結果が変動しやすい特性）を踏まえ、QAエンジニアと共にテスト体系を「単体テスト」「結合テスト」「システムテスト」「平常テスト」の4つに再定義しました。属人化していたオペレーションも、新メンバーへの説明を録音し、生成AIで議事録から手順書・チェックリストを自動生成することで標準化を進めました。さらに、改善タスクをストーリーポイント化し、生成AIによるインシデントリスク再評価に基づいて優先順位を決定し、具体的な開発ロードマップを策定しました。
生成AIは実際のQA作業の自動化にも活用されています。Pull Requestのテンプレートに要件と実装SQL、AIによる差分チェック結果を貼り付けることで、「仕様とコードの一致」を一次チェック。また、要件定義書と実際の出力データを突き合わせ、期待される出力条件や粒度、数値の一致などをBigQuery MCPを活用したエージェントで自動検証し、「仕様とデータの一致」を担保しています。著者は、これらのテストの中でも最終的なふるまいを確認する「システムテスト」をセンターに据えるべきだと主張しています。
まとめとして、著者は生成AIを「分析ツール」と「QAの一部プロセス」として活用しつつ、人とプロセスを再設計することで「構造」の土台を整えるアプローチの重要性を強調しています。生成AIが確率的に動作するため、運用の重要性はむしろ高まっており、「構造そのものは人間が設計する必要がある」と結論づけています。