AIがDevOpsを加速させる10の方法

今年初めに発表されたデロイトのレポートによると、AIベースのソフトウェア開発ツールを提供するスタートアップ企業は2019年に7億400万ドルの資金を調達した。

• 調査会社IDCは、世界のカスタムアプリケーション開発サービス市場規模が2018年の470億米ドルから2023年には610億米ドル以上に成長し、5年以内に5.3%の年平均成長率（CAGR）を達成すると予測しています。
• ITソフトウェア品質協会による米国における低品質ソフトウェアのコストに関する調査報告によると、2019年にソフトウェア品質の低さにより米国企業は3,190億ドルの損失を被った。
• 調査会社ガートナーは、2023年までにDevOpsチームの40%が人工知能IT運用(AIOps)プラットフォームと統合されたアプリケーションおよびインフラストラクチャ監視アプリケーションを使用するようになると述べています。

[[339223]]

DevOps チームが直面する遅延を軽減するために、ソフトウェア開発ツール プロバイダーは、人工知能と機械学習テクノロジーをアプリケーションとプラットフォームに統合するペースを加速しています。その目標は、ソフトウェアの品質を向上させながら、ソフトウェア開発ライフサイクル (SDLC) の各段階をスピードアップすることです。幸いなことに、ユースケースではこれらの目標が達成されていることが示されており、DevOps は新しいレベルの精度、品質、信頼性に到達できるようになりました。

AI が DevOps を高速化する 10 の方法の中で最も興味深い点は、開発者が困難で時間のかかるタスクを完了するのを AI がいかに効果的に支援するかということです。最も時間のかかるタスクの 1 つは、要件ドキュメントの多数の反復とバージョンを管理することです。 Atlassian ps が開発した Jira ソフトウェアは、人工知能を使用してソフトウェア開発ライフサイクル (SDLC) の各段階を簡素化し、要件管理を支援する業界リーダーです。DevOps 分野の業界標準として広く認められています。

AIがDevOpsを加速させる10の方法

（1）人工知能と機械学習を活用して、コードスニペットをリアルタイムで自動的に提案し、開発をスピードアップしてDevOpsの生産性を向上させます。

業界をリードするエンタープライズ ソフトウェア ベンダーの DevOps チームは、顧客関係管理 (CRM)、サプライ チェーン管理、ソーシャル メディア市場で激しい競争を繰り広げています。 AI のこのユースケースは生産性が高く、精度も大幅に向上すると言われています。大手顧客関係管理（CRM）プロバイダーのDevOps責任者によると、AIを使用してコード補完を自動化する初期の取り組みは無駄だったという。彼女は、教師あり機械学習アルゴリズムを使用する DevOps 開発ツール プロバイダーは、モデルの学習速度とコード要求への応答速度を向上させることができると考えています。 Microsoft の Visual Studio Intellicode は現在 600 万回以上インストールされていますが、DevOps チームがこれを DevOps で最も価値のある AI 開発として評価している理由は次のとおりです。

（2）AIを使用して要件管理を合理化すると、要件ドキュメントの精度と品質が効果的に向上し、次世代のアプリケーションやプラットフォームにおけるユーザーのニーズを捉えることができることが示されています。

AI は信頼性の高い結果を提供し、要件ドキュメントの作成、編集、検証、テスト、管理のあらゆる段階を合理化します。 DevOps チームのメンバーは、AI と機械学習を搭載した要件管理プラットフォームを使用して時間を節約し、多くの場合厳しい期限内でコーディングとソフトウェア製品の作成に戻ることができます。要件を最初から正しく満たすことで、プロジェクト全体をプロジェクト計画どおりに進めることができます。 AI ベースのソフトウェア開発ツールのプロバイダーは、プロジェクトを予定通りに完了するためのビジネスケースを構築する機会を見出し、この分野で新しいアプリケーションを急速に開発してリリースしています。 DevOps ツールのこの分野で自然言語処理が急速に導入されつつあることは非常に喜ばしいことです。AI ベースのツールを使用している企業は、要件レビュー時間を 50% 以上短縮することができました。

（3）AIはエラーを検出し、コードを改善するための自動提案を行う上で非常に効果的であることが証明されています。

Facebook のエラー検出ツールは欠陥を予測し、修正アクションを提案し、80% のケースで AI ツールがエラーを自動的に修正することを学習します。 Semmle CodeQL は、この分野における AI ベースの DevOps ツールのリーダーと考えられています。 CodeQL を使用する DevOps チームは、コード内の脆弱性を追跡し、コードベース全体の論理的なバリエーションを見つけることもできます。 Microsoft セキュリティ レスポンス チームのセキュリティ研究者は、Semmle-QL を使用して重大な問題のバリエーションを発見し、重大なコードの問題を特定して対応し、インシデントの発生を防ぐことができます。

（4）人工知能は、セキュリティテスト結果の優先順位付けと脆弱性の分類を支援します。

Checkmarx の CTO である Maty Siman 氏は、機械学習によってコードの脆弱性をリアルタイムで発見する方法に関する情報を共有しました。 「最も成熟したソフトウェア開発ライフサイクル (SDLC) を持つ組織でさえ、脆弱性の優先順位付けと分類に苦労することがよくあります」と彼は言いました。「開発者やアプリケーション セキュリティ チームに焦点を当てた機械学習アルゴリズムを使用して、脅威をもたらす真の強みと脆弱なコンポーネントに焦点を当てることが、この課題に対処する鍵となります。」機械学習アルゴリズムは、あるタイプの脆弱性が他のタイプの脆弱性よりも高い割合を占めることを理解するように教えることができると彼は言いました。この自動化されたレビュー プロセスにより、チームはより多くの情報に基づいて修復作業を最適化および加速できます。

（5）特定のコードベースの固有の特性に基づいてテストケースを自動的に生成して実行することでソフトウェアの品質保証を向上させることは、AIテクノロジーがDevOpsチームの貴重な時間を節約できるもう1つの領域です。

これは、さまざまなユースケースにわたって新しいアプリケーションやプラットフォームのストレス テストを行うのに非常に役立ちます。テストケースの作成と変更は、どの DevOps チームでも特有のスキルであり、このスキルを持つ開発者は、テストの更新に圧倒されることがよくあります。 AI ベースのソフトウェア開発ツールは、テスト範囲の重複を排除し、より予測可能なテストで既存のテスト作業を最適化し、欠陥検出から欠陥防止への移行を加速します。 AI ベースのソフトウェア開発プラットフォームは、複雑で相互に関連する製品モジュール間の依存関係を識別できるため、プロセス全体を通じて製品の品質が向上します。ソフトウェアの品質が向上すると、顧客エクスペリエンスも向上します。

（6）AI技術は、複雑なソフトウェアアプリケーションやプラットフォームがリリースされ、顧客に提供された後にこれらの問題を解決するのに適しています。

エンタープライズ ソフトウェア ベンダーは、バグ、論理エラー、信頼できないコード スニペットを排除するために、ソフトウェア品質保証プロセスに多大な労力を費やしています。バージョンを更新したり、最悪の場合、リコールしたりするとコストがかかり、顧客の生産性に影響します。 AI ベースの品質チェック ツールは、エンタープライズ アプリケーションが複雑な顧客環境に提供される前に、そのアプリケーションのどの領域で障害が発生するかを予測するのに効果的であることが実証されています。 AI は根本原因分析に効果的であり、大手顧客関係管理 (CRM) プロバイダーのアプリケーション配信を高速化し、顧客のエンタープライズ環境での復旧時間をゼロに短縮する上でも効果的であることが実証されています。別の DevOps チームは、顧客展開のパフォーマンスを最適化するために、AI を使用してアプリケーション設定を自動的に構成していると述べました。

（7）機械学習ベースのコード脆弱性検出により、確実に異常を検出し、DevOpsチームにリアルタイムで警告することができます。

「開発者が高品質で安全なコードを書いていると仮定すると、機械学習は「通常のアクティビティ」のベースラインを設定し、そのベースラインからの異常を特定してフラグを立てることができます」と、Checkmarx の CTO である Maty Siman 氏は述べています。「結局のところ、私たちは日々変化する IT およびセキュリティ環境に住んでおり、システムとツールは同じ、あるいはそれ以上の速度で学習し、適応する必要があります。組織と開発者は、最も重要なことを優先するのに役立つソリューションだけでは、脅威検出の精度を向上させることはできません。」異常を迅速に発見して対処することは、AI ベースのソフトウェア ベースの品質検査と DevOps ツールのビジネス ケースを構築する上で不可欠です。

（8）先進的なDevOpsチームは、AIを使用して、すべての開発ツール、アプリケーションパフォーマンス監視（APM）、ソフトウェア品質保証、リリースサイクルシステムを分析し、新しい洞察を発見しています。

サプライ チェーン管理 (SCM) 向けエンタープライズ ソフトウェアの大手プロバイダーの DevOps チームは、AI を使用して、一部のプロジェクトがスムーズに進行して優れたコードを提供している一方で、他のプロジェクトがレビューとコードの書き換えの永久サイクルから抜け出せない理由を分析しています。教師あり機械学習アルゴリズムを使用することで、パターンを把握し、データに関する洞察を得ることができます。同社のDevOps責任者は、データ駆動型であることが急速に同社のDNAの一部になりつつあると語った。

（9）各リリースサイクル内のトレーサビリティを改善し、DevOpsコラボレーションとデータ統合ワークフローの改善領域を特定します。

AI により、DevOps チームは、特に地理的に離れた場所でも、互いに連携しやすくなります。 AI 主導の洞察は、共有された要件と仕様が、ローカライズされた固有の顧客ニーズと特定のパフォーマンス ベンチマークをどのように反映しているかを理解するのに役立ちます。

（10）AIの価値を最大化する、より統合されたDevOps戦略を構築するには、DevOpsを顧客中心にしながら俊敏性を高め、運用に関する洞察を得るための分析主導のDNAを育むフレームワークが重要です。

多くの DevOps リーダーは、開発サイクルにセキュリティを統合することで、スケジュールどおりの進捗を妨げるボトルネックを軽減できると述べています。品質保証を DevOps ワークフローに統合できるフレームワークが重要です。総合すると、AI のユースケースは DevOps に革命を起こす可能性を反映しています。しかし、この約束を果たすには、エンタープライズ DevOps チームが優れた顧客体験を提供し、顧客トランザクションを自動化し、あらゆる場所で自動化をサポートできるフレームワークが必要です。

結論は

すべての DevOps チームは、最高品質のコードを確実に作成しながら開発サイクルを高速化するという課題に直面しています。 AI は、開発者が要求する前に必要なものを予測することで、DevOps 開発サイクルのあらゆる段階をスピードアップするのに役立ちます。コードの自動提案、自動テストによるソフトウェア品質保証技術の改善、要件管理の簡素化はすべて、AI が DevOps に価値をもたらす中核的な領域です。