Uber が語る AI エージェント活用による SDLC の変革

Uber が語る AI エージェント活用による SDLC の変革：70% の PR を処理する「ソフトウェア・ファクトリー」の実態

Uber は、AI エージェントを中核に据えた「マネージド・ソフトウェア・ファクトリー」の実現に向けた具体的な成果を発表しました。同社は過去数年間のリポジトリ統合や基盤整備を土台とし、6 つの重要なブロックを構築することで、全プルリクエスト（PR）の 70% 以上をローカルまたはクラウドのエージェントが処理する体制を整えています。その結果、エンジニアあたりの年間コード行数は前年比で倍増し、開発生産性とセキュリティを両立させる新たな標準モデルを示しました。

6 つの基盤ブロック：自律型開発を支えるアーキテクチャ

Uber の AI エージェント活用は、単なるツールの導入ではなく、6 つの基盤ブロックを統合した体系的なアプローチによって支えられています。これらはモデルゲートウェイ、MCP ゲートウェイ、エージェント実行環境、スキルマーケットプレイス、コンテキストグラフ、そして Cortana アシスタントです。

まずモデルゲートウェイは、すべての AI 要求が通る単一の入り口として機能します。ここで重要なのは、PII（個人識別情報）が外部ベンダーに流出しないようデフォルトで防ぐことと、100 ミリ秒以内のガードレール適用です。

「モデルゲートウェイでは、アイデンティティ認証、20 種類以上の PII 除去、そして安全性やポリシーを扱う 5 つの専門モデルによる AI ガードが動作します。これらはすべて 100 ミリ秒以内に完了し、すべての要求をプロジェクト、ユーザー、チーム単位で追跡・監査できます。」

MCP（Model Context Protocol）ゲートウェイは、数千ある内部 API や SaaS ツールをエージェントが使える形式に標準化する役割を果たします。初期には直接接続パターンを採用していましたが、現在は「Omni MCP」と呼ばれる単一のエントリーポイントで全ツールを管理し、CLI パターンやコード生成スキルを活用することでトークン使用量を大幅に削減しています。

エージェント実行環境は、開発者が長期間使用するクラウド環境（DevPod）を発展させたものです。プリプロビジョニングされた Kubernetes バルーンポッドが用意されており、エージェントが必要になった瞬間にリポジトリのスナップショットや検索インデックスが整った状態で起動できます。これにより、エージェントは数秒で作業を開始し、大規模なモノレポ内でも横断的に動作することが可能になっています。

スキルマーケットプレイスでは、エンジニアが作成した 2,500 以上のスキル（機能）を管理しています。重複や品質のばらつきを防ぐため、自動レビューとリンチチェックを導入し、エンジニアの役割に応じたデフォルトスキルの自動インストールも実施しています。

コンテキストグラフによる文脈理解の革新

大規模なモノレポ環境において、AI エージェントが「どこに何があるか」を見つけるのは大きな課題でした。Uber はこれを解決するため、20〜30 の分散システムから情報を集約したコンテキストグラフを構築しました。

このグラフには 4,000 万件のエントリと 150 種類のノード・エッジタイプが含まれており、モバイルアプリの構築方法からバックエンド、データレイク、設計ドキュメントに至るまでがすべて接続されています。これにより、エージェントは複雑な質問に対しても、必要な文脈を瞬時に取得できるようになりました。

「コンテキストグラフを導入したことで、単純な SQL 作成の質問に対しても、グラフなしの場合に比べてトークン使用量、ターン数、レイテンシーが劇的に改善されました。」

セキュリティとガバナンス：コスト管理と監査の実現

AI エージェントを大規模に運用する上で不可欠なのがセキュリティとガバナンスです。Uber はモデルゲートウェイを通じて、PII の外部流出を防ぎつつ、詳細な監査ログを取得しています。

すべてのリクエストはプロジェクトやチーム単位で追跡可能であり、リアルタイムおよびデータレイク上での分析が可能です。これにより、組織全体でコスト管理のガバナンスを確立し、自己改善ループ（ベンチマークと学習）にも活用しています。

Cortana：開発ライフサイクルの自律化と保守

これらの基盤を統合したのが、社内向け AI アシスタントCortanaです。Slack、CLI、Web などのあらゆるインターフェースからアクセスでき、コンテキストグラフやスキル、ツールを駆使して回答を提供します。

エンジニアは Cortana にアイデアを投げかけるだけで、ビジネス調査から製品要件の策定までを支援されます。また、CI/CD の自己修復、自動コードレビュー、機能フラグのクリーンアップなど、保守タスクも管理ループで自動化されています。

「Cortana を通じて、組織全体で効率的な開発・保守フローが確立されました。従業員はカスタムスキルやプロンプトを Hook してチームごとにパーソナライズでき、すでに 300 以上のユニークなペルソナと 1 ヶ月あたり 2 万セッションを超える利用実績があります。」

まとめ

Uber の取り組みは、大規模企業における AI エージェント導入の成功事例として、セキュリティを損なわずに開発生産性を劇的に高める具体的なアーキテクチャを示しています。コンテキストグラフや管理されたスキルマーケットプレイスの概念は、他のエンタープライズ組織が自律型 SDLC を構築する際の重要な参考モデルとなるでしょう。