30秒サマリー
- 10年物レガシー環境でAIエージェント「Sphera」を本番稼働、Builderの約9割が月次でAIコーディングツールを利用
- SNS・SQS・EKS・EFSなど7つのAWSサービスで構成し、エージェントを「同僚」として既存ワークフローに組み込む
- 完全自律エージェント「Morphex」は20件に19件のPRが全ゲートを通過し人手を介さず本番出荷
何が起きたか
プロジェクト管理SaaSのmonday.comは、Amazon Bedrockを基盤とする社内AIエージェントシステム「Sphera」を本番環境で稼働させていると、AWSの公式ブログで明らかにした。同社の内部データによれば、エンジニア・PM・デザイナーを含む「Builder」の約9割が月次でAIコーディングツールを利用しており、原文では「約半年前はおよそ半数程度だった」と記載されている。エンジニア1人あたりのPR処理量も50%超向上したという。
システムの中核エージェント「Atlas」は、Slack・GitHub・monday上のチケットを同一キューで受信し、コード作成からPR提出までを担当する。状態管理はAmazon ElastiCache、セッションのファイルワークスペースはAmazon EFSにマウントする構成で、異なるポッド間でも作業を継続できる設計だ。エージェントの「記憶」はベクトルDBではなく、MEMORY.mdとデイリー日誌ファイルをセッション開始時に読み込む方式を採用している。
全PRに適用するコードレビュー自動化「PR Guardrails」は月間数万件のPRと数十万件のルールチェックを処理し、原文によれば「5件に1件のPRが少なくとも1つの基準を満たさずフィードバックを受ける」とされる。人間によるオーバーライドは「一桁台前半」にとどまるという。完全自律型エージェント「Morphex」については、20件に19件のPRが全ゲートをパスして自動マージされる。これは人間レビューを省略しているわけではなく、承認済みPRが人手を介さず本番に出荷される仕組みを指す。原文には月間PR総数の具体的な数値は記載されていない。
原典ハイライト
原文は「これはグリーンフィールドではない」と明示する。10年以上稼働する既存コードベース・数百のマイクロサービス・数百万の課金ユーザーという環境でエージェントを実業務に組み込んだ点がこのケースの核心。記憶管理ではベクトルストアを試したが「どちらもうまく機能しなかった」と明記しており、シンプルなMarkdownファイルへ切り替えた経緯も開示されている。Morphexについては「20件に19件がマージされる、これは上限ではなく下限だ」と原文は記述している。
出典: AWS Machine Learning Blog（公式ブログ）
So What?（なぜ重要か）
AIエージェントの価値はグリーンフィールドの新システムではなく、既存の複雑な業務環境に組み込めるかで決まる。monday.comの事例は「評価基準の整備」「自動レビューによるボトルネック解消」「エージェントを組織の責任体系に組み込む設計」の三点が、レガシー環境での本番稼働を実現する鍵であることを示している。コード生成の精度そのものより、品質ゲートと組織的な受け入れ体制の設計が先決であることが示唆される。
日本企業への示唆
日本企業がAIエージェントを検討する際、まず自社の既存コードベースや業務プロセスへの「接続層」設計に注力すべきだ。monday.comの事例から得られる着眼点は三つある。①評価指標を先に定める：マージ率・リバート率などの定量指標なしに品質判断を人間の目視に頼ると、量が増えた時点で破綻する。②レガシー環境固有の依存関係を洗い出す：フィーチャーフラグや社内API連携など、ローカルで再現できない環境をリストアップし、リモートサンドボックスで検証する仕組みを用意する。③エージェントを既存の責任体系に乗せる：タスク管理・Slack・GitHubといった既存ツールの延長としてエージェントを位置づけることで、責任の所在が曖昧になるのを防ぐ。コンプライアンス要件の厳しい金融・製造業では、Amazon BedrockのPrivateLinkや一元的な監査証跡機能が規制対応の証跡確保に直結する点も確認したい。
背景・経緯
monday.comは約10年の歴史を持つプロジェクト管理SaaSで、数百のマイクロフロントエンドとマイクロサービスを抱える。AIエージェントの取り組みは「L1：ペアプログラミング支援」「L2：再利用可能なサブエージェント」「L3：完全自律型マルチエージェント」の3段階で進化してきたと原文は説明しており、現在は大半のチームがL2段階にあるとしている。完全自律型のMorphexはL3の最初の事例として位置づけられている。
