AI品質の設計・構築
この章では、DevOpsコースの課題として、CI／CDパイプラインの構築で構築したパイプラインにAIを組み込み、自動化と品質向上を図ります。設計→構築の順で提出します。
1. この章の目的
DevOps領域のエンジニアにとって、AIを自動化に組み込んで効率化したり、品質を向上させる力は、これから必須のスキルになります。本章では、既存のCI／CDパイプラインにAIを組み込む施策を自ら選定し、設計・実装します。
「AIを使うこと」自体が目的ではなく、パイプラインの中でAIがどの課題を解決するか、運用コストと精度が見合うかを判断できるようになることが本質です。
2. 実施要件
以下の流れで進めます。
- 施策の選定: AIコードレビュー・AIテスト生成・AI障害対応・AIリリースノート生成 など、優先度上位を選ぶ
- 使用するAIサービスの選定: Bedrock・GitHub Copilot・Claude Code など、コスト・ガバナンス・精度を踏まえて決める
- パイプライン組み込み設計: 既存のジョブとの接続・入出力の受け渡し・失敗時のフォールバックを設計する
- コスト・ガバナンス整理: 外部モデル利用の可否・データの取り扱い・想定利用量とコストを整理する
- 設計提出: 「構築結果」を空欄にした状態で一度提出し、講師のレビューを受ける
- 構築: 設計に沿って実装する。実際にPR／マージイベントで動作させ、有効性を確認する
- 再提出: 「構築結果」欄にリポジトリURL・動作サンプル・コスト実績を追記して再提出する
3. 参考: 代表的な施策
対応する施策は自ら決めます。以下は候補の例です。
- AIコードレビュー: PR時にAIがコードレビューコメントを自動生成
- AIテスト生成: 変更箇所に対して自動テストを生成
- AI障害対応: エラーログからAIが原因候補と対応方針を提示
- AIリリースノート生成: マージされたPRからAIがリリースノートを生成
- AI脆弱性説明: セキュリティスキャン結果をAIが読みやすい形で要約
4. 提出物
下記内容を提出フォームより提出してください。設計と構築を分けて提出することも、まとめて提出することも可能です。
| 項目 | 内容 |
|---|---|
| 概要 | 今回対応したAI施策を簡潔に記載する |
| 設計 | 選定したAI施策・使用するAIサービス・パイプラインへの組み込み設計・コストとガバナンスの整理を記載する |
| 構築結果 | 実装した内容のリポジトリURL・実際に動作したサンプル出力・コスト実績を記載する。設計だけを先に提出する場合は空欄で構わない |
| まとめ | 取り組み中に苦労したこと、判断に迷ったこと、学んだことを振り返る |