よりスマートなオーサリング、より優れたコード: AI が Google Cloud の開発者エクスペリエンスをどのように変革しているか

※この投稿は米国時間 2025 年 8 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud デベロッパー エクスペリエンス チームの使命はシンプルで、デベロッパーが学習からリリースまでをできるだけ迅速かつ効果的に行えるよう支援することです。そのための主なツールは、堅牢なハンズオン ドキュメントと、そのドキュメントに直接埋め込まれたすぐに使用できるコードサンプルです。これらは、デベロッパーが毎日利用しています。Google Cloud のサービスは急速に拡大および進化しているため、緊密に統合されたこれらのリソースの品質、精度、カバレッジを維持することは、非常に困難な課題となっています。現代の開発者は、即座に正確で慣用的なガイダンスを求めており、それ以下のものは導入の障壁となります。

この課題に対処するため、当社はコンテンツ ワークフローの中核で Gemini を活用した生成 AI を戦略的に利用しています。これは人間の専門知識に取って代わるものではありません。テクノロジーを活用して、開発者に価値をより迅速かつ大規模に提供する能力を高めることが目的です。高品質なドキュメントと、より包括的で統合されたコードサンプルを（大規模かつ迅速に）作成するために、Google が AI をどのように活用しているかをご紹介します。

AI を活用したドキュメント: ベロシティの向上と精度の確保

Google Cloud の開発の速さは、Google のテクニカル ライティング チームに 2 つの大きな問題をもたらします。新しい機能や能力に追随したドキュメントをどのように作成するかと、既存のドキュメントの正確性をどのように確保するかです。

作成プロセスを加速するために、Gemini をライターのオーサリング環境に直接統合しました。これにより、生産性が向上し、非構造化コンテンツから書式設定されたテーブルを生成する、マークアップ言語間で翻訳する、複雑なスタイルガイドをワンクリックで適用するといった一般的なタスクが効率化されます。さらに重要なこととして、AI ソリューションを導入することで、ライターは戦略的なドキュメント ソリューションに時間を集中させ、高品質のコンテンツを確保できます。

作成と同じくらい重要なのが検証です。長年にわたり、コードのバグを検出するために使われてきたのが自動回帰テストです。自然言語の曖昧さから、長らく不可能とされてきた自動回帰テストを、今ではドキュメントに適用できるようになりました。クイックスタートでは、Gemini を使用して手順を読み取り、Playwright などのフレームワークを使用してウェブ オーケストレーション スクリプトを自動生成します。これらのスクリプトは、実際の Google Cloud 環境で手順を実行し、ドキュメントがプロダクトの動作を正確に反映していることを自動的に検証します。Google では、これらのテストを毎日 100 回以上実行し、クイックスタートが継続的に検証され、ユーザーが手順を信頼できるようにしています。

エージェント AI システムによるドキュメント内のコードサンプルのスケーリング

ドキュメントに埋め込まれたコードサンプルも、同様の、あるいはそれ以上に複雑な課題を抱えています。幅広い言語をカバーすること、API やベスト プラクティスの進化に合わせて最新の状態を維持すること、エンジニアリング リソースの使用を最適化することなどが必要です。専門的な API のロングテールを含め、すべてのドキュメントで使用するイディオムのサンプルを数万件手動で作成して維持することは、スケーラブルではありません。

Google のソリューションは、ドキュメントに掲載するコードサンプルのライフサイクル全体を自動化するエージェント システムです。このワークフローは、Google API の究極の信頼できる情報源である、公開されている googleapis リポジトリでホストされている Protobuf（proto）定義を基準としています。これにより、サンプルが常に API の実際の実装と一致し、事実のドリフトを防ぐことができます。

このシステムは、複数のステップで動作します。

1. プロンプトの組み立て: エージェントは、対象の API メソッドを分析し、「ワンショット」コード テンプレートを、公式の Protobuf 定義から取得した特定のメソッド名、パラメータ、ドキュメントと組み合わせて、非常に詳細なプロンプトを準備します。この構造化されたデータドリブンなアプローチが重要です。モデルを制約することで、ハルシネーションを防止し、プロンプトが最初から API の事実に基づく詳細情報に根拠を置くようにします。

2. 生成と推敲: プロンプトが Gemini に渡され、最初の下書きが生成されます。その後、別の「評価者」エージェントが厳格なルーブリックに照らしてサンプルを採点します。基準に満たない場合は、改善されたバージョンを生成するために、具体的なフィードバックが生成ツールに送り返されます。エージェント間の自動化された「対話」は、ソフトウェアのピアレビュー プロセスを模倣したものですが、手動では不可能な速度と規模で実行されます。

3. 自動テスト: サンプルが承認されると、コンテナ化された環境にデプロイされ、最終的な一連のテスト（ビルド / コンパイル、lint チェック、実行）が行われ、正しく実行されることが確認されます。これにより、ドキュメント全体にわたって大規模に公開できるという確信が持てます。

この戦略の要となるのが、AI を活用した監査エージェントです。厳格なコードレビュー担当者として機能し、Google 検索でグラウンディングされた Gemini を使用して、すべての API 呼び出しを公式ドキュメントと照合して検証します。これにより、公開されているドキュメントとすべての詳細を照合して検証する必要が生じ、人間が作成したサンプルか AI が生成したサンプルかにかかわらず、すべてのサンプルで一貫した品質基準が確保されます。

未来を見据えた拡張技術: 品質と専門知識を大規模に

規模が拡大するにつれて、このレベルの自動化により、人間の専門家は役割を進化させることができます。現在は、AI システム自体の改善に注力しており、統計的異常の調査、AI 判定の検証のための監査サンプリングの実施、生成モデルの改良などを行っています。この新しいアプローチにより、人間の作業を効率化し、人間だけでは実現できない規模で品質を確保できます。

基礎となるドキュメントとその中のコードの作成を自動化することで、開発者が最も必要とする、複雑な現実世界の問題を解決する詳細なソリューション指向のコンテンツにチームが集中できるようになります。人間の専門家と AI エージェントの戦略的パートナーシップが、Google のアプローチの中核です。これにより、より包括的で正確かつレスポンシブなデベロッパー エクスペリエンスを構築できるようになり、Google Cloud で何を構築する場合でも、成功に必要な統合ドキュメントとコードが提供できます。

この投稿の執筆にご協力いただいた Lisa Johnson、Mark Ryan、Joe Shirey に感謝いたします。

- Google Cloud 情報エクスペリエンス担当ディレクター、Helen Slattery

- デベロッパー採用担当ディレクター、Matt Thompson