CodeRabbitが実践するAI活用の具体的な開発フローとは？
続いて中津川氏は、CodeRabbitが自社で実践しているAI活用の具体例を「チャット」「Issue」「レビュー」の3点に分けて紹介した。
1つ目は、チャットにおけるSlackエージェント「CodeRabbit Agent」の活用である。CodeRabbit AgentはDatadog、Sentry、Salesforce、Notionなど多数のサービスと連携しており、Slack上で指示を出すだけで各種サービスの情報を横断的に調査できる。例えばVercelへのデプロイエラー調査を依頼すると、ログやアクセス権限を自動調査して原因を特定する。さらに顧客からの問い合わせを起点にコードを調査し、サポートエンジニアへの回答案作成やプルリクエストの作成まで自動で行える。日常的に使うSlack上で処理が完結するためツール間を移動する手間が省け、AIとの対話が可視化されて知見が蓄積する。一元管理により利用環境の個人差が生じない点も大きなメリットである。
2つ目はIssueにおける活用である。同社では、GitHub上のIssueを起点に実装計画を自動作成するサービス「CodeRabbit Plan」を活用している。現在のコードベースや過去のIssue、ドキュメントを参照して計画を生成し、AIコーディングエージェント用のプロンプトも出力するため、スムーズに実装へ着手できる。GitHub上でチーム全員が閲覧・コメントできるため、作業のブラックボックス化を防ぎ、適切なレビューやコンテキストの提供が可能になる。
3つ目はレビューにおける活用である。CodeRabbitのレビュー機能には、CLIやVS Codeで利用するローカルレビューと、プルリクエストレビューの2種類が存在する。
中津川氏が重視するのはレビュアー側の負荷軽減だ。多くのAIレビュー機能はレビュイー向け支援に偏っているが、開発生産性に直結するのはレビュアーが素早く内容を理解しマージ判断を下せるかどうかにあり、CodeRabbitは概要整理、変更ファイルのグループ化、シーケンス図の生成等により、レビュアーが短時間で全体像を把握できるよう支援し、レビュー工数の半減を目指している。
さらに中津川氏は、AI導入におけるROIの重要性に改めて言及した。CodeRabbitのダッシュボード機能は、マージまでの所要時間や品質指標、ナレッジベースの活用状況などを多角的に提示できるため、AI導入の効果を明確に可視化できる。これにより、マネージャー層に対して投資の妥当性を十分に示すことが可能となる。
中津川氏は、開発生産性向上の鍵はレビューの効率化にあると示し、CodeRabbitを活用したチームのAI開発生産性向上を呼びかけて講演を締めくくった。
CodeRabbitからのお知らせ
本セッションでご紹介したサービスにご興味を持たれた方は、ぜひ公式サイトをご覧ください。
