7月7日、Swapneswar Sundar Rayが「The Next DevOps Bottleneck: When AI Generates More Software Than Organizations Can Manage」と題した記事を公開した。AIコーディング支援ツールの普及によってコード生成速度が組織の管理・運用能力を上回り始めるという、次世代DevOpsのボトルネック問題について詳述している。

開発がボトルネックではなくなった

Rayは冒頭で、あるチームへのGitHub Copilot導入事例を語る。GitHub CopilotはGitHubとOpenAIが共同開発したAIペアプログラミングツールで、コードの自動補完・生成を通じて開発者の生産性を高める。このツールの導入によってSpring Bootサービス——Javaベースのマイクロサービス開発を簡略化するフレームワーク——の生成が加速し、スプリントをまたいでいたタスクが短期間で完了するようになった。マネジメントも喜んだ。

だが数ヶ月後、アーキテクチャレビューに時間がかかるようになった。セキュリティチームのPRレビュー待ちが積み上がった。Kubernetesクラスタへのオンボーディングが増え、監視ダッシュボードとアラートが膨らんだ。

誰もAIを問題視していなかった。ただ、組織の処理能力が追いつかなくなっていた。

かつてはコードを書くこと自体がボトルネックだった。今、一部の組織では開発がプロセスの中で最も簡単な部分になりつつある。難しさは別の場所に移動した。

マイクロサービスをAIで生成しても、仕事はコンパイル成功で終わらない。設計レビュー、セキュリティ検証、組織標準への適合確認、そして障害時の担当者アサインが残る。AIはソフトウェアの生成を加速するが、運用責任をなくしはしない。

セキュリティ・テスト・「理解」の三つの壁

Rayが指摘するボトルネックは三層ある。

① セキュリティレビューの容量問題

AIはAPIを素早く生成できる。しかしそのAPIがなぜ顧客情報へのアクセスを必要とするのか、AIは説明できない。監査対応も、リスクアセスメントも、コンプライアンスレビュー時のアーキテクチャ判断の説明も、すべて人間の仕事として残る。パイプラインに流入するソフトウェアの量が増えれば、レビュー担当者のキャパシティが先に詰まる。問題はスキルではなく、単純な処理量の上限だ。

② テストカバレッジ数字の罠

AIはテストコードの生成も得意で、カバレッジ指標はすぐに改善する。ダッシュボードの見栄えが良くなり、経営層は喜ぶ。しかしRayが「最も価値があった」と述べるテストは、自動生成されたものではなかった。過去の本番障害を覚えているエンジニアが書いたもの、顧客の実際の利用パターンを知るテスターが「何か壊れそう」と感じて試した異常系のものだ。ソフトウェア品質はカバレッジの数字ではなく、どこで障害が起きるかという理解にある。

③ 「理解」の欠如——最も測定しにくいリスク

Rayが最も重きを置くのがこの問題だ。エンジニアが手でシステムを組み上げると、なぜその設計判断をしたのか、どのトレードオフを受け入れたのかが経験知として蓄積される。AIが生成したコードをレビュー・承認する役割に回ると、チームは自分たちが完全には設計していないシステムを引き継ぐことになる。

本番障害が起きたとき、誰かがそのコードを追わなければならない。Rayは、技術的に正しいが誰も深く理解していないコードのデバッグに何時間も費やすという事例を複数目撃している。設計の意図・前提・トレードオフが当事者の記憶にしか存在しない状態で引き継いだシステムと、AIが生成して誰も深く読み込んでいないシステムとでは、障害時の対応速度に大きな差が生じる。コードが組織的な理解よりも速く生成されてしまった結果として、この「理解の空白」は静かに広がっていく。ドキュメントを整備する文化や、設計判断の背景をPRに残す習慣がない組織ほど、このリスクは深刻になる。

次の10年の投資先：オブザーバビリティとガバナンスの組み込み

Rayはこの問題への対処として、いくつかの方向性を示す。

• オブザーバビリティを「要件」として扱う：システムの内部で何が起きているかを把握する能力は、システムを素早く生成する能力と同等かそれ以上に価値を持つ。オブザーバビリティとは、ログ・メトリクス・トレースを組み合わせてシステムの内部状態を外部から推測できるようにする考え方だ。インシデント発生時、どのデプロイが問題を引き起こしたか、原因がアプリケーションコードなのか、インフラなのか、設定なのか、外部依存なのかを即座に判断できる可視性が必要だ。
• ガバナンスをプラットフォームに組み込む：セキュリティチェックの自動化、アーキテクチャ標準のデプロイ前適用、手動プロセスへの依存度低減。内部開発者プラットフォーム（IDP: Internal Developer Platform）——開発者がセルフサービスでインフラやデプロイを操作できるように整備された社内基盤——の整備がAI時代においてより重要になる。

記事の結論は明確だ。AIの恩恵を最も受ける組織は、最も多くのコードを生成する組織ではなく、ソフトウェアをスケールで管理できる仕組みを構築した組織だ。

コードを生成することは毎月容易になっている。そのコードへの信頼を構築することは、そうではない。

詳細はThe Next DevOps Bottleneck: When AI Generates More Software Than Organizations Can Manageを参照していただきたい。