概要
バックエンド開発の暗黙知的なレビュー指摘を40のルールとして明文化し、AIレビューに組み込むことで「指摘なし承認」の割合を向上させた実践事例。
詳細内容
e-dash社におけるGo言語バックエンド開発にて、エンジニア間で「口伝」となっていたコーディング規約や設計方針をAIレビューに統合した記録です。過去のPRから抽出した1,105件のコメントをClaudeで分析・クラスタリングし、40の具体的なルールに集約。AIスキルには判定基準を直接書かず、ドキュメントへの索引と「特定の文字列（合図）」をトリガーに動く仕組みを構築し、精度と速度を両立させました。半年間の運用結果、1PRあたりの平均コメント数は1.32件と不変だったものの、「指摘なしで承認されるPR」の割合が64.5%から71.2%へと向上。PRサイズが肥大化する傾向の中でも、一発でレビューを通過する割合が増えるという実利的な効果が得られました。今後は開発段階でのAI活用による手戻り防止と、PR粒度の適正化を課題としています。