- Replitは、人が目標と優先順位/トレードオフを定め、複数のAIエージェントが必要なコンテキストを収集して作業/検証/エスカレーションを行う組織を**自動運転企業（The Self-Driving Company）**と定義している
- エージェントをエディタやチャットツール内にとどめず社内システムに接続し、従業員ごとに複数のサブエージェントを並列実行する管理エージェントを提供することで、検証可能な作業を反復するループエンジニアリングを拡張した
- 2026年1月初旬から6月末までにコード全体の貢献量は5.8倍、同じエンジニア集団の1人あたり生産量は2.9倍増加したが、コードレビューの遅延/ロールバック/インシデントは増加せず、人によるPRレビュー時間は30%削減された
- エージェント活用はデータ分析/営業/マーケティング/カスタマーサポートへと広がり、リアルタイム指標や資料作成、見込み顧客調査、リリース文書生成、サポートチケット調査を支援し、人が対応する高難度サポートチケットの解決時間は60%短縮された
- 内部エージェントは一部の商用ツールより低コストかつ高い統合性を示し、構築か購入かの判断も変化した。またReplitは、この運用方式をポリシー/権限/セキュリティ/コスト管理を備えた形でユーザーに提供しようとしている
人が目的地を決める自動運転組織
- 自動運転企業とは人のいない組織ではなく、人が目的地を選び、重要な問題/難しいトレードオフ/好みを決め、結果に責任を持つ組織である
- 人は目標に到達するためのあらゆる細かな手順を自ら実行するのではなく、エージェントが目標を受け取ってコンテキストを集めて作業し、その結果を検査し、人間の判断が必要な地点だけをエスカレーションする
- Replitのエージェントは、プロダクションインシデント調査、PRレビュー、社内質問への回答、事業データ分析、サポートチケット分類、営業アカウント調査、Replit Agent自体の改善に使われている
- 従業員は、自分の役割が自動化されたと感じるよりも、反復作業から解放されて戦略的/創造的な判断を担うようになったと評価している
長時間タスクが可能になって始まった変化
- 2025年末からモデルがより長い時間にわたって作業を継続できるようになり、それまで繰り返し失敗していたアラート分類や根本原因調査が機能し始めた
- AIが解決しにくかったバグまで処理するようになると、エージェントをエディタやチャット画面内のツールとしてではなく、会社の運営構造に直接統合し始めた
- エンジニアリングで効果が確認された後、各チームが退屈な作業をエージェントに任せるようになり、活用が組織全体へ広がった
全社システムに接続された内部エージェント基盤
- 2026年1月末から、内部エージェントの活用事例を素早く実験できるよう基盤を拡充した
- 既存のエージェントハーネス、microVM、リモートファイルシステムを利用し、エンジニアが複数のエージェントを並列にオーケストレーションできるようにした
- アクセスポリシー/トークンプロキシ/監査ログ/ZeroTrustネットワークを適用したうえで、GitHub、GCP、Azure、Linear、Notion、Slack、ZenDeskなどの業務システムへのアクセスを許可した
- 複数システムのコンテキストをまとめて使えるようになると、従来失敗していた実験が実行可能になり、コード生産量が急速に増加した
コード生産量の増加と品質指標
- Agent 4のリリースを準備していた2026年3月のスプリント期間に、生産性カーブが以前とは異なる水準まで上昇し、これを内部エージェントシステム導入と結び付けている
- 2026年1月初旬から6月末までに、コード貢献行数は5.8倍増加した
- 新規採用の効果を除外し、同一の執筆者集団だけを比較してもコード生産量は2.9倍増加した
- チーム規模を2倍に増やす間に、エンジニア1人あたりの生産量を約3倍に高めた
- コードレビュー遅延時間は増えていない
- エージェントがリスク水準を評価し、必要な場合にのみ2人目の人間レビュアーを呼び出す
- 人によるPRレビュー時間の30%以上を削減しており、その比率は今も増え続けている
- PRロールバック率とインシデント発生の傾向は横ばいで維持された
- 人間のレビュアーは、エージェントとの共同レビューの助けを受けて、より多くのバグを発見している
- インシデント調査エージェントが根本原因を探索することで、平均緩和時間（MTTM）が短縮された
- Linearで測定したプロジェクト完了速度もコード生産量とともに大きく上昇し、追加コードが実際の機能リリースにつながっている
複数エージェントを反復実行するループエンジニアリング
- すべての従業員は、複数のサブエージェントを生成できる管理エージェントを使い、検証可能な作業を複数のエージェントが反復実行するよう構成できる
- エージェント群を活用した事例が、従来の作業可能性に対する前提を変えた
- 長期間中断していたCSSシステム移行を完了した
- プロダクトのローカライズを可能にする移行を自動化した
- 不安定なテスト保守を自動化した
- CTOがPSCおよびファイルディスクリプタ終了に関連する難しいネットワークバグをエージェント群で解決した
- AIチームは、ユーザーフィードバックを分析して改善案を提案し、その後ベンチマークとA/Bテストで成果を検証する継続学習システムを構築した
- このシステムにより、Replit Agentはフィードバックをもとに自ら改善される循環構造を備えるようになった
変わった構築か購入かの判断
- 内部エージェントがナレッジベースと業務システムに深く統合され、会社向けにカスタマイズされることで、外部商用ソリューションより有用なケースが生まれた
- Replit内部で作ったアプリケーションの方が優れていると判断し、年間7桁ドル規模のSaaS契約を解約した。従業員もすでに内部ツールへ移行していた
- 特定業務に特化した外部製品と比べても、内部エージェントは競争力を示した
- アラート分類とインシデント根本原因分析ツールは同等の品質を提供したが、内部エージェントより実行コストが10倍高かった
- 自動ペネトレーションテストツールは、内部版より見つけた脆弱性が少ない一方で、コストは10倍高かった
- 2つの内部ツールはいずれもプロダクションに配備され、インシデントMTTMを短縮し、基幹システムの攻撃防御を強化している
データ分析のセルフサービス化
- Slackでエンジニアがエージェントに業務を依頼する様子を他の従業員が見て、利用がエンジニアリング外へと広がった
- 初期には、ナレッジベースとコードベースの状態を組み合わせて、プロダクトの動作や期待事項を尋ねる用途が最も多かった
- 従業員はエンジニアの回答を待たずにプロダクト情報を確認し、その場で文言や文書を直接修正できるようになった
- データチームは、データウェアハウス上に意味レイヤーを提供し、エージェントが基準データテーブルとテーブル間の関係を理解できるようにした
- すべての従業員がビジネスインテリジェンスの質問に答えを得て、リアルタイムデータでチャートやプレゼン資料を作れるようになった
- データチームは、反復的な依頼ではなく、より難しい問題に集中できるようになった
- あるプロダクトマネージャーは、コードベース内のイベント、顧客データプラットフォームへの記録方法、複雑なサブスクリプション状態を組み合わせて、リリース分析を自ら実行した
- 本文に含まれるすべてのチャートも内部エージェントを使って作成した
営業/マーケティング/カスタマーサポートの変化
- 営業開発チームは、内部知識を活用してプロダクト適格な見込み顧客を見つけ、情報を補強している
- 汎用営業ツールではアクセスできないコンテキストを活用し、より具体的なアウトリーチを作成する
- 営業担当者は、顧客との会話を準備する際に、顧客ごとのプロダクト価値/進行中プロジェクト/契約に対するクレジット使用量を調査する
- 分析結果をアカウント別のブランド付きプレゼン資料として自動構成する
- 顧客接点の回数と品質を同時に高める
- マーケティングチームは、エンジニアリング/プロダクトチームの会話と文書をもとに、単一プロンプトでプロダクト仕様のドラフトを作成する
- すべての会議に出席しなくても、リリース準備を早く始め、変更点を追えるようになった
- 確保した時間を計画と創造的な作業に使っている
- カスタマーサポートチームは、標準手順に従って問題を調査するスキルをエージェントに追加した
- 標準的な顧客対応文体で回答を提案したり、チケットと調査結果の要約を添えてエンジニアリングチームへエスカレーションしたりする
- 人間に引き継がれた高難度チケットの解決時間は60%短縮された
ユーザー向けの自動運転業務環境
- Replitは、自動運転運営が実行者をなくすのではなく、結果を定義し方向を定める役割へ転換すると見ている
- この方式をReplitの企業/創業者ユーザーに提供するため、ポリシー、権限、セキュリティ、コスト管理機能を開発している
- 実際に事業を運営するユーザーへ適用するには、組織規模に応じて拡張可能なセーフガードが必要だと判断している
まだコメントはありません。