AIを活用したFlaky Testの原因分析と効率化：大規模サービスを支えるテスト安定化への取り組み - Tabelog Tech Blog

はじめに：大規模サービスを悩ませるFlaky Testという課題 こんにちは。食べログカンパニー 開発本部 飲食店プロダクト開発部 運用改善チームの @4palace です。 食べログには2019年から参画しています。 「食べログ」は、月間利用者数9400万人、掲載店舗数88万店舗以上、月間PV数23億を超える大規模サービスです。 https://tabelog.com/advertisement このサービスを安定的にお届けするには、正常に稼働するビルドパイプラインと、品質を担保する自動テストを整備し続ける必要があります。 食べログはRuby on Railsで開発されており、そのコード量は非常に膨大です。 その品質を担保するRSpecの自動テスト件数も同じく膨大です。 本記事で紹介する取り組みを開始した2025年7月時点で50800件を超えていました。日々増えており、現在は54000件

[sh19910711]

"広大なコンテキストウィンドウを持っていたとしても、大きすぎる入力は良い結果に繋がらない / 真因と考えられる部分と、その検証方法を出力することに特化させ、AIを「分析パートナー」として位置づけることが重要"