InfoQ ホームページ Agile に関するすべてのコンテンツ
-
AIを活用したソフトウェア開発：研究成果を実践に移すためのチーム構成と能力
AIは増幅器である。組織システムに戦略的焦点を当てることで最大の成果が得られると、ネイサン・ハーヴェイはQConロンドンでの講演「Scale High Performance, Not Dysfunction」で説明した。DORAの2025年におけるソフトウェア開発におけるAIに関する調査では、研究を実践に活かすために活用できるチームのプロファイルと成功に必要な能力が提示されている。
-
AWSがDevOpsエージェントを拡張し、AIを活用したリリース管理機能を追加、本番環境投入前のコード検証を実現
Amazon Web Services（AWS）は、AWS DevOps Agentの大幅な機能拡張を発表し、コードの変更を評価し、本番環境に展開される前にソフトウェアを自律的にテストする設計がされた新しいリリース管理機能を導入した。 プレビュー版として提供される新機能Release Readiness ReviewとAutonomous Release Testingは、DevOps Agentの適用範囲をデプロイ後の運用からソフトウェアデリバリーパイプラインへと拡大し、エンジニアリングチームがコードのマージ前に本番環境への準備状況を評価し、組織の基準を適用し、変更内容に応じたテストを生成可能にする。
-
AI生成コードが増加する中、GitHub Code Qualityは保守性の確保に注力
GitHubの発表によると、GitHub Code QualityがGitHub Enterprise CloudおよびGitHub Teamで一般提供（GA）となった。このサービスは、CodeQLによる解析とAIを活用した保守性・信頼性の問題検出を組み合わせ、さらにCopilot Autofixを利用して、プルリクエスト内でレビュー可能な修正案を提示する。Code Qualityは2025年10月からパブリックプレビューとして提供されていた。GitHubによると、その期間中に1万社を超える企業が同製品を利用したという。今回の一般提供では、組織全体での有効化機能に加え、保守性および信頼性のスコアを表示するダッシュボード、テストカバレッジ指標、品質ゲート用のルールセットが追加された。
-
オープンソースがプラットフォーム構築における協業をいかに可能にするか
プラットフォームはコラボレーションのための仕組みです。Marcy Paramonova氏とStéphane Cusin氏が、KubeCon & CloudNativeCon Europe での講演「Building Cloud Native Culture in a Bank」で説明したように、プラットフォームチームはアプリケーションチームに依存しており、両者には共通の標準が必要です。エンジニアがプラットフォームを信頼するのは、その機能の豊富さではなく、予測可能で一貫した振る舞いによるものだ。
-
Airbnb、プライバシーを最優先とするソーシャル機能を支援するため、コンテキスト認識型IDモデルを導入
Airbnbは、「エクスペリエンス」における新たなソーシャル機能をサポートすると同時に、プラットフォーム全体でより強固なプライバシー境界を確立するため、再設計されたIDおよび接続モデルを導入した。同社は、内部のユーザーIDと外部に公開されるプロフィールを分離するシステムについて説明しており、これによりユーザーは、グローバルなID情報を公開することなく、共有アクティビティ内で交流できるようになる。 この変更は、参加者が互いに面識がない場合もある「エクスペリエンス」におけるソーシャルな交流を拡大するというAirbnbの広範な取り組みに沿ったものであり、アイデンティティの開示を管理し、より強力なプライバシー保証が必要とされている。
-
AIがソフトウェアライフサイクルの上流へ：コードレビューからPRDガバナンスへ
大手テクノロジー企業が人工知能の活用範囲をコード生成やコードレビューだけでなく、製品要件の検証やシステム設計へのインプットなど、ソフトウェア開発ライフサイクルのより上流工程へと拡大させている。Uber、DoorDash、Cloudflareによる最近の取り組みは、実装前やレビュー中にエンジニアリング成果物を評価し、リファインするガバナンス層としてAIを活用する方向へのシフトを示している。
-
Argo CD 3.3、安全なGitOps削除と円滑な日常運用を実現
アプリケーションデプロイおよびライフサイクル管理ツールのArgo CDは、バージョン3.3のリリースにより新たなマイルストーンに到達した。人気のGitOps継続的デリバリーツールの機能を拡張するとともに、運用担当者が長年抱えてきた複数の課題に対処する。
-
AnthropicがClaude Code品質苦情の6週間を3つのプロダクト変更の重なりと特定
AnthropicはClaude Codeの品質に関するユーザー苦情の6週間を説明するエンジニアリング・ポストモーテムを公開した。
-
Teleport社、企業インフラ全体でAIエージェントを保護するAgentic Identity Frameworkを発表
Teleport社は最近、AIを中心に据えた新たなセキュリティモデルTeleport Agentic Identity Frameworkを公開した。これは、企業がクラウドおよびオンプレミス環境全体で自律型および半自律型AIエージェントを安全に展開できる支援をするために設計された枠組みである。このフレームワークは、AIエージェントを信頼されたアイデンティティとして扱うためのロードマップを組織に提供し、エージェンティックAIが急速に本番環境へ移行する中で拡大するデータ漏えい、コンプライアンス不備、敵対的脅威といったリスクに対処するものだ。
-
プラットフォームエンジニアリングのインパクトをドライブし、測定する
プラットフォームエンジニアリングは社会技術的な視点からアプローチされるべきであり、開発者だけでなくすべてのステークホルダーによって形成されるべきである、とSergiu Petean氏はDev Summit Munichでの講演 Driving the Future of Insurance through Platform Engineeringで述べた。プラットフォームの成功はチームがソフトウェアを構築、実行、リリースできるようにするために、変化を主要デザインの原動力として受け入れつつも、変化に耐えうる明文化された原則に依存している。
-
Dropbox社がGitHub社と協力し、モノレポのサイズを87GBから20GBに削減
モノレポが拡大するにつれて、技術チームの人は1時間以上かかる場合があるクローン操作の遅延を経験し始め、さらに繰り返されるフェッチおよびビルドのオーバーヘッドによりCIパイプラインの性能低下も発生。拡大はまた、リポジトリホスティングの上限に到達するリスクを増加させた。Dropbox社の技術調査によると、問題は主として大容量のバイナリや誤って行われたコミットによるものではなく、Gitの内部圧縮ヒューリスティクスが関連する大規模なファイル群をどのように扱うかに起因するものであると明らかになった。
-
Claude Codeオートモードの内側：人間承認ゲートを備えたAnthropicの自律コーディングシステム
AnthropicはClaude Codeにオートモードを導入し、人的介入を削減しつつマルチステップ・ソフトウェア開発タスクを実行可能にした。開発者が目標を定義すると、システムがコード生成・実行・ツール利用・反復的なリファインメントを担い、センシティブな操作については選択したチェックポイントで人間による承認が求められる。
-
Platform Engineering Labs社、formaeをマルチクラウド対応に拡張
Platform Engineering Labs社は本日、同社のオープンソースインフラストラクチャ・アズ・コード（IaC）プラットフォームformaeの大規模アップデートを発表した。今回の更新では、Google Cloud Platform（GCP）、Microsoft Azure、Oracle Cloud Infrastructure（OCI）、OVHcloudに対するベータ対応を追加した。また同社が「Platform for Infrastructure Builders」と呼ぶ新しい構想を導入した。これは、AI支援開発を活用し、インフラ向けツールをより容易に拡張、カスタマイズ、加速できるよう設計されたツールキットである。
-
AnthropicがManaged Agentsを発表、AIエージェントのデプロイをシンプルに
Anthropicは同社のClaudeプラットフォーム上にManaged Agents、エージェントベース・ワークフロー開発と運用を支援するために設計されたマネージド実行レイヤーを導入した。本機能により開発者はエージェントの振る舞い、ツール、制約を定義できる一方で、オーケストレーション、サンドボックス化、セッション状態管理、認証情報管理、永続化といった実行時責任をプラットフォームに委譲できる。
-
GoogleがGemini CLI Conductorに自動レビュー機能を追加
GoogleはGemini CLIエクステンション、Conductorに自動レビューサポートを追加することにより拡張した。同社によればこのアップデートによりConductorは「単なる計画と実行を超えて検証へと進む」ことが可能となり、AI生成コードの品質やガイドライン遵守を確認可能になることで、AI支援開発ワークフローにおける信頼性、安全性、統制を強化する。