AIエンジニア　Devinの月報

今週はDevinの月報をお届けします。

概要

2026年2月は、組織全体で93件のPull Requestが自律型開発エージェントによって作成されました。計24のコンポーネントにわたる活発な開発が行われ、主な成果は以下の通りです。

類似度計算バッチ基盤 (27件): パートナー企業向け最適化や一括処理の効率化や画像の最適化機能の拡充
画像生成・解析AIラボ (17件): 最新学習モデルへの移行やAI推論基盤の刷新やI/Oパフォーマンスの劇的改善
開発エージェント・ナレッジベース (12件): 言語別ベストプラクティスの標準化
サイズレコメンド・エンジン (8件): フットウェアカテゴリの対応範囲拡大
インフラ連携ユーティリティ (7件): サーバーレス環境の互換性向上や認可制御の高度化
UIコンポーネント群 (10件以上): ログ基盤の刷新と可用性向上のためのフォールバック機能展開
共通基盤 (12件): データクエリの最適化やUIリファクタリングやロジックの堅牢化

今月は、分散検索エンジンのパフォーマンス最大化やAIパイプラインの成熟やログ基盤の次世代移行、およびレコメンド対象カテゴリの拡充が主要なテーマとなりました。

コンポーネント別の活動

類似度計算バッチ基盤（27件）

主要な変更:

分散検索エンジンにおける一括処理のリファクタリング
- クライアント側タイムアウト戦略の最適化と指数バックオフを用いた高度なリトライロジックを実装しました。
- メモリ効率を大幅に向上させるストリーミング処理への移行を開始しました。
- レビュー指摘によりサーバー側からクライアント側タイムアウトへの修正を実施しました。
画像最適化パイプラインの追加
- オブジェクトストレージへの転送前に動的な画像圧縮処理を統合しました。
- 画質を維持しつつデータ転送量を削減し後続の解析処理の精度を向上させる順序制御を導入しました。
- 8件のユニットテストを追加し多様な画像形式における整合性を担保しました。
新規パートナー企業向けの個別最適化（計10件）
- 再利用可能な接続ヘルパーと新規バッチスクリプトを作成しました。
- 特殊な文字コード対応やデータ構造の正規化を実装しました。
- 商品属性の正規化を実施しました。
- スケジュール最適化とステータス管理ロジックを改善しました。
サイズ情報の正規化
- 同一商品の全カラーで統一されたサイズセットを生成する機能を実装しました。
- 冗長なフォールバック処理を削除し統一的なステータス管理に委譲しました。
- 約110行のコード削減を実現しました。
店舗在庫フィードの追加
- 特定パートナー向けに店舗レベルの在庫フィードを実装しました。
- ファイル転送パスの不具合を修正しました。
- レビュー指摘によりベクトル化操作への改善を実施しました。
その他の改善（計11件）
- バッチ自動実行スケジュールを設定しました。
- 条件フィルタリングロジックの最適化を実施しました。
- 二重実行の排除と実行方式を統一しました。
- 外部接続のプロキシ対応を実装しました。
- 新規カテゴリの有効化を行いました。

画像生成・解析AIラボ（17件）

主要な変更:

最新AIモデルおよびカテゴリへの移行
- 最新の画像生成モデルを統合し対応カテゴリを大幅に拡張しました。
- プロンプトエンジニアリングの構造化により出力精度の安定化を実現しました。
- 統一コンテナイメージへの移行を完了しました。
AI推論基盤の刷新と認可制御の強化
- 推論プラットフォームの移行に伴い最小権限の原則に基づく認可制御へ刷新しました。
- データ構造を日付ベースの階層構造に最適化しスケーラビリティを確保しました。
- テストファイルとドキュメントを包括的に更新しました。
高速I/Oインスタンスの活用によるパフォーマンス改善
- 分散コンピューティング環境において高速なローカルストレージをデータキャッシュとして活用する動的検出ロジックを実装しました。
- レビュー指摘によりデバイスの動的検出や設定方式の変更やデッドロック回避を実施しました。
エッジケースにおける可用性の向上
- 特定の衣類形状における座標計算時の例外処理を追加し計算リソースの占有を回避するガードロジックを実装しました。
- 不正値の早期検出と安全なリターンロジックを追加しました。
- バッチ環境における開発用コードの安全性を強化しました。
バッチ処理の安定性向上
- 依存パッケージの追加と最適化を行いました。
- バッチタイムアウトの延長を実施しました。
- メモリ効率とリソース使用量の最適化設定を追加しました。
- ディスクI/Oの性能チューニングを行いました。

開発エージェント・ナレッジベース（12件）

主要な変更:

言語別ベストプラクティスの整備
- PythonやGoやTypeScriptのベストプラクティスを正式化しました。
- SwiftとKotlinのベストプラクティスを新規作成しました。
- クラウド運用ベストプラクティスのスキルを追加しました。
ドキュメントの多言語化
- リポジトリ全体の日本語化対応を完了しました。

サイズレコメンド・エンジン（8件）

主要な変更:

フットウェアカテゴリのサイズ辞書対応
- フットウェアカテゴリの大幅な拡張を実施しました。
- サイズ変換ロジックを統合しました。
- 体型チェックのスキップなどフットウェア固有の処理を実現しました。
キッズフットウェア対応
- キッズカテゴリのサポートを追加しました。
- 身長チェックの除外処理を実装しました。
- データベースクエリの最適化を行いました。
データ同期ロジックの調整
- パーツデータの再割り当てロジックを長さ比較ベースで最適化しました。

インフラ連携ユーティリティ（7件）

主要な変更:

コンテナデプロイの互換性修正
- サーバーレス環境との互換性を確保するためコンテナレジストリへのプッシュ形式を最適化しました。
- ビルド環境のマニフェスト形式に関するドキュメントを追加しました。
外部ストレージの認可制御改善
- 新規リソース作成時に組織ポリシーに基づく適切な権限を自動付与する機能を実装しました。
CLIオプションの拡張
- 環境変数をオーバーライド可能なCLIオプションを追加しました。
- ワークフロー連携における設定の受け渡しを改善しました。
認証パラメータの統一
- 共有リソース認証のパラメータを全実行パスで統一しました。

UIコンポーネント群 — ログ基盤の刷新（10件以上）

主要な変更:

2月27日に複数のフロントエンドコンポーネントで一斉にログ送信基盤の移行とフォールバック機能が展開されました。

共通変更内容:

ログ送信先を新基盤に変更しました。
送信失敗時に旧基盤へのフォールバック機能を追加しました。
環境ごとのエンドポイント制御を実装しました。

その他のコンポーネント

バックエンド管理基盤
- ユーザーレポートのデータクエリ最適化を実施しました。
- 複数クエリを単一の最適化クエリに統合しレスポンス時間を大幅に改善しました。
- 不要なJOIN削除で正確な集計結果を実現しました。
フロントエンド管理画面
- UIフラグの適切な分離によるリファクタリングを行いました。
店舗バックエンド
- チェックイン数の追跡とお気に入りロジックを調整しました。
サーベイUI
- 未選択時のレスポンスデータ形式を修正しました。
バナータグ基盤
- 非推奨APIの最新版への置き換えを実施しました。
プロダクトサイト
- デモ環境の構築とOGタグを設定しました。
運用ツール
- AIモデルの体型パラメータオプションを追加しました。

主要な技術的変更とパターン

1. 分散検索エンジンのパフォーマンスと安定性の向上

特徴:

クライアント側タイムアウトとサーバー側タイムアウトの適切な使い分けを実現しました。
指数バックオフによるリトライ戦略の高度化を行いました。
ストリーミング処理とジェネレーター関数によるメモリ効率の改善を達成しました。
画像圧縮によるストレージ効率とレスポンス性能の改善を実施しました。

2. AIパイプラインの成熟

特徴:

新カテゴリの追加で全主要衣類カテゴリをサポートしました。
推論基盤の移行で最小権限の原則に基づく認可制御を実現しました。
高速ローカルストレージの活用とI/O設定によるパフォーマンスの大幅改善を達成しました。
例外計算のガードと不正値検出による安定性の向上を実施しました。

3. ログ基盤の次世代移行

特徴:

9つ以上のフロントエンドコンポーネントで一斉展開しました。
フォールバック機能によるサービス停止リスクゼロの移行を実現しました。
環境ごとのエンドポイント制御自動化を達成しました。

4. レコメンドカテゴリの拡充

特徴:

フットウェアカテゴリの大幅な拡張を実現しました。
キッズカテゴリの新規対応を完了しました。
体型チェックのカテゴリ固有最適化を行いました。
共通サイズマップによる保守性の向上を達成しました。

今月の課題と改善提案

技術ロードマップとリファクタリング計画

分散検索エンジンの一括処理リファクタリング途中
- 状況: ストリーミング処理への移行がまだ進行中でレビュー指摘事項が残存しています。
- 影響: メモリ効率の改善が保留中です。
- 提案: リトライ対象データのみを保持する設計に変更します。トランスポートレベルエラーのリトライ処理を検証します。本番環境での負荷テスト実施を推奨します。
AI推論基盤の共通関数の重複コード
- 状況: 推論結果の取得関数が3ファイルに同一実装として存在しています。
- 影響: 修正漏れのリスク増大が懸念されます。
- 提案: 共通モジュールへの抽出を推奨します。
静的解析フックバイパスの常態化
- 状況: 一部のフロントエンドコンポーネントで既存の型エラーのためフックをバイパスしています。
- 影響: 型安全性の低下が発生しています。
- 提案: 既存の型エラーを優先的に修正しフックを正常に通過できる状態に復帰させます。

開発効率を向上させるための提案

テストカバレッジの向上
- 現状: 類似度の計算基盤で画像圧縮のユニットテスト追加や新規パートナー対応で28件のテスト追加が行われました。
- 提案: メインフローの振る舞いテスト追加を推奨します。フォールバック機能の自動テスト追加を推奨します。CI/CDでのテストカバレッジ可視化を提案します。
コードレビュープロセスの効率化
- 現状: 多くのPRでレビュー指摘から修正のサイクルが発生しています。
- 提案: レビューチェックリストの整備を推奨します。PRテンプレートにパフォーマンス影響評価項目を追加することを提案します。
言語別ベストプラクティスの活用
- 現状: 開発エージェント・ナレッジベースで各言語のベストプラクティスが整備中です。
- 提案: ベストプラクティスの早期マージと各プロジェクトへの適用を推奨します。CI/CDでの準拠チェック自動化を提案します。

繰り返し発生した課題とその対策案

レビュー指摘による設計変更
- 発生: タイムアウト制御方式の見直しや画像処理順序の最適化やデバイス検出方法の改善が発生しました。
- 対策: 設計ドキュメントの事前レビューを推奨します。参考となる公式ドキュメントの確認を必須化することを提案します。
環境依存の不具合
- 発生: コンテナマニフェスト形式のランタイム互換性やファイル転送パスの不整合や文字コード変換の例外が発生しました。
- 対策: デプロイ環境に近いCI/CD環境の整備を推奨します。統合テストの充実を提案します。
クローズPRの発生
- 発生: 93件中8件がクローズされた状態です。
- 対策: 作成前のイシュー設計レビューを推奨します。ドラフトPRの活用を提案します。小さなPRへの分割を推奨します。

検索方法論の検証結果

使用した検索方法:

組織全体の開発エージェントによるPRを対象に作成者の完全一致と日付フィルタリングによる包括的な検索を実施しました。

検証プロセス:

1ヶ月検索（2月分）: 93件のPR検出（レポートリポジトリ除外後）を確認しました。
2ヶ月包括的検索: 93件のPR検出（2月分のみ）を確認しました。
レポートリポジトリを分析対象から除外しました。

結果:

作成者の完全一致指定により正確な結果を取得しました。
2ヶ月検索による交差検証で検索漏れがないことを確認しました。
PR状態の内訳はマージ済み69件やオープン16件やクローズ8件でした。

長期トレンド分析

AI画像処理パイプラインの継続的な発展
- 1月はAI統合の初期構築で13件でした。
- 2月は最新モデル移行や推論基盤刷新やインフラ最適化で17件でした。
- トレンド: 構築フェーズから運用最適化フェーズへ移行しています。
類似度計算バッチ処理の活発化
- 1月は9件でサイズレコメンド中心でした。
- 2月は27件で新規パートナー対応やパフォーマンス改善や安定性向上が中心でした。
- トレンド: パートナー拡大に伴うバッチ処理の需要増加が見られます。
フロントエンド基盤の統一化
- 2月はログ送信基盤の一斉変更で9コンポーネント以上に展開しました。
- トレンド: インフラ変更を複数コンポーネントに効率的に展開する体制が確立しています。
レコメンドカテゴリの段階的拡充
- 1月はサイズ正規化の改善が中心でした。
- 2月はフットウェアカテゴリの拡張やキッズカテゴリ対応や体型チェック最適化を実施しました。
- トレンド: 衣類以外のカテゴリへの対応が着実に進行しています。
開発プロセスの成熟
- ナレッジベースでの言語別ベストプラクティス整備が進んでいます。
- ドキュメントの多言語化が完了しました。
- レビュープロセスでの積極的な設計改善が行われています。

まとめ

2026年2月は93件のPull Requestを通じて多方面の開発が進められました。分散検索エンジンのパフォーマンスと安定性の向上やAIパイプラインの成熟と推論基盤の刷新やログ基盤の次世代移行やレコメンドカテゴリの拡充が主な成果です。特に類似度計算バッチ基盤では27件のPRが作成され新規パートナー対応とインフラ改善が活発に行われました。

1月と比較すると決済報告基盤の開発が一段落し代わりに類似度計算バッチ処理とAIパイプラインの最適化に重心が移りました。フロントエンド基盤のログ移行のような横断的な変更も効率的に実施されました。

今後はストリーミング処理移行の完了やテストカバレッジの向上や静的解析フックの正常化など開発品質と効率の向上に向けた取り組みが重要です。

ソリューションエンジニア

プロダクトを動かす。現場の課題を機能へ変えるソリューションエンジニア募集。

株式会社メイキップは、ECの「サイズ不安」を解消するサービス「unisize」をはじめ、ITを活用したサービスを開発・提供するファッションテック企業です。社名「Makip」は Make IT Possible（ITで不可能を可能にする）に由来しています。インターネットとテクノロジーの力で、これまで不可能だったことを可能に変え、世界に新しい価値あるサービスを生み出すことを使命としています。【unisize】 unisizeは、ECサイトで洋服やバッグなどを購入する際に、ユーザーひとり一人に最適なサイズを提案するサイズレコメンドエンジンです。国内外ブランドの豊富なサイズデータと、ユーザーの身体情報を組み合わせ、特許取得済みの独自アルゴリズムで最適なサイズを提示します。現在までに 300以上のECサイトに導入されており、多くのユーザーに利用されています。ファッションECにおける新しい購買体験を支えるサービスとして成長を続けています。【aunn Personalization 】 aunn Personalization は、サイズレコメンドサービス「unisize」に蓄積された膨大な体型データと好みデータを活用し、ユーザーひとり一人に最適化された商品やコーディネートを自動で表示します。これにより、ユーザーが欲しいものに自然と出会える、次世代のカスタマーエクスペリエンスを実現しています。・aunn コーディネートユーザーの体型データやサイト内行動を解析し、自分の体型や趣向に合うスタッフコーディネートを優先表示するサービスです。探す手間なく自分の体型に近いスタッフの着こなしをチェックでき、購買体験をスムーズにします。・aunn 在庫・類似アイテム欲しいアイテムが欠品している場合に、ユーザー体型に合う在庫のある類似商品を表示するサービスです。これまで購入を断念していたユーザーに新しい選択肢を提供し、機会損失を防ぎます。【FaceChange】 FaceChange は、ECサイト上のモデルやスタッフの着用画像とユーザーの顔写真を合成し、自分の顔を合わせた着用イメージを可視化できるサービスです。ユーザーは自分に似合うかどうかをオンラインで確認できるため、「自分に似合うかどうかわからず購入をためらう」という課題を解消します。【UOS】 UOS（ウオス）は、制服メーカーや学校関係者が行う採寸・オーダー集計業務をDX化するサービスです。サイズレコメンドエンジン「unisize」を搭載し、スマートフォンで撮影した全身写真からAIが身体を測定してリモート採寸を行います。さらに、ECサイトを持たない販売店向けには、商品登録・採寸・自動集計・決済・購入完了までを一貫して行える仕組みを提供。利便性向上のため、管理画面や結果画面の改善も進められています。