概要
https://tech-blog.tabelog.com/entry/optimized_ai_development_flow
詳細内容
## 実装の 9 割を AI に任せる。食べログのジュニアエンジニアが構築した AI 連携開発フロー
https://tech-blog.tabelog.com/entry/optimized_ai_development_flow
食べログのジュニアエンジニアが、コーディングアシスタントと自律型AIを組み合わせた独自の開発フローを構築し、API開発における実装作業の9割をAIに任せることで開発リードタイムを35%削減したと報告します。
**Content Type**: ⚙️ Tools
**Language**: ja
**Scores**: Signal:5/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 89/100 | **Annex Potential**: 87/100 | **Overall**: 88/100
**Topics**: [[AI連携開発フロー, 自律型AI, 人間とAIの役割分担, 開発リードタイム削減, ドメイン知識]]
食べログのジュニアエンジニアが、コーディングアシスタント「Cursor」と自律型AI「Devin」を連携させた効率的なAPI開発フローを構築し、その詳細と実践で得られた知見を共有しました。従来の開発におけるAPI実装やテストコード作成といった定型作業がボトルネックとなる中、筆者は「何を（What）」設計するかに時間を割けず、「どう作るか（How）」に偏る課題に直面していました。
この課題を解決するため、戦略設計、実装・量産、レビュー・リファクタリング、テストの各フェーズで人間とAIが連携する独自のフローを確立。特に、AIの出力を制御し品質を担保する「ガードレール」の導入を重視しました。例えば、戦略設計ではコーディングアシスタントが複数パターンを提案しつつ、人間がアーキテクチャを決定。自律型AIによる実装・量産フェーズでは、人間が介入せず、プロンプトにコーディング規約やドメイン知識（暗黙知）を具体的に含めることで品質を担保しました。
過去の試行錯誤として、コーディングアシスタントとのペアプログラミングでは限定的な効果に留まり、自律型AIへの完全な「丸投げ」では、設計思想の無視、N+1問題の発生、不可解な自己修正といった「AIならではの失敗」が頻発し、かえってレビューコストが増大したと報告しています。
最終的に行き着いたのは、「人間が"What"と"Why"を定義し、AIが"How"に集中する」という明確な役割分担です。このアプローチにより、実装作業の最大9割をAIに任せることに成功し、開発リードタイムを平均35%短縮。エンジニアは実装者から「品質担保役」へと役割を変え、より創造的な「What/Why」の探求に時間を投下できるようになりました。また、単一ではなく複数（3〜4つ）のAPIをまとめてAIに任せる「タスクの粒度」が、生産性を最大化する鍵であると指摘しています。
チームへの導入に向けては、ガードレールの基礎構築（ルール明文化）、AIのルール遵守度測定と調整、レビュープロセスの刷新という3ステップを推奨しています。