「backlog-exporterとAIの連携による業務効率化」というタイトルで社内登壇しました！

参考

backlog-exporter の作ってみたブログ
https://dev.classmethod.jp/articles/backlog-exporter/

登壇内容

はじめに

リテールアプリ共創部の部会で発表した「backlog-exporter との連携による量の効率化」の Backlog と AI を組み合わせた業務効率化の手法について解説します。

自身が所属するチームでの課題を背景に、Backlog のデータをローカルにエクスポートするツール「backlog-exporter」を開発し、さらにAI と連携させることで、情報検索、オンボーディング、ドキュメント作成などの業務効率化を実現しました。この記事では、その取り組みについて紹介します。

プロジェクトの課題

私のチームでは、Backlog で東京の案件を管理する中で、以下のような課題を抱えていました：

• 情報検索に時間がかかり、効率が悪い
  • 例：「〇〇」というアプリに関する情報を検索する際に、多数の検索結果がヒットし、必要な情報を見つけ出すのに苦労
• オンボーディングに多くの工数が必要
  • システムの複雑さから、新メンバーがキャッチアップするのに時間がかかる
• 過去の知見を活かした見積もりが困難
• 情報統合が手作業で非効率
• 知識が属人化しやすい
• プロジェクト間の知見共有が不足

backlog-exporter とは

backlog-exporter は、Backlog の課題や Wiki などのデータをローカルに保存するための CLI（コマンドラインインターフェース）ツールです。npm パッケージとして公開されており、簡単にインストールして実行できます。

主な特徴

1. 一度のコマンドで Backlog の全データをエクスポート可能
2. 課題（issue）、Wiki、またはその両方をエクスポート可能

$ npx backlog-exporter@latest issue --domain example.backlog.jp --projectIdOrKey PROJECT1 --apiKey あなたのAPIキー

$ npx backlog-exporter@latest wiki --domain example.backlog.jp --projectIdOrKey PROJECT1 --apiKey あなたのAPIキー

$ npx backlog-exporter@latest all --domain example.backlog.jp --projectIdOrKey PROJECT1 --apiKey あなたのAPIキー

3. エクスポートされたデータは Markdown 形式で保存
4. 更新コマンドで Backlog の最新情報を簡単に同期

AI による課題解決：Backlog RAG の実現

backlog-exporter 自体には AI の機能はありませんが、エクスポートした Backlog のデータを AI に読み込ませることで、Backlog の RAG（Retrieval-Augmented Generation）を実現し、私のチームの業務効率化に大きく貢献しています。実際に、以下のような効果を実感しています。

AI ツールとの連携

• GitHub Copilot
• Cursor

これらのツールを活用し、エクスポートしたMarkdown ファイルを AI に読み込ませることで、以下のような効果を得ることができました：

1. プロジェクト固有の情報に基づいた自然言語での質問応答
2. 自然言語でのやり取りによる容易な情報アクセス

推奨ディレクトリ構造

/
├── backlog-data
│   ├── backlog-project1
│   │   ├── issue
│   │   │   ├── 課題1.md
│   │   │   └── 課題2.md
│   │   └── wiki
│   │       ├── wiki1.md
│   │       └── wiki2.md
│   └── backlog-project2
│       ├── issue
│       └── wiki
└── githubリポジトリ1

具体的な活用シーン

1. オンボーディングの効率化

課題と解決方法

新メンバーは通常、以下のような課題に直面します：

• プロジェクトに関する知識不足
• 情報収集に多大な時間が必要
• 先輩社員への度重なる質問

効果

• 通常 6 時間 → 2 時間程度に短縮
• 例：「〇〇 について教えて」という質問で、〇〇の概要、主な機能、システム構成などを AI が説明

2. ドキュメント作成支援

議事録、報告書、API 仕様書などのドキュメント作成を効率化できます。

課題と解決方法

効率化の仕組み

効果

• API 設計書作成：6 時間 → 1.5 時間に短縮（レビュー・修正含む）
• 約 4 倍の効率化を実現

3. Backlog 更新確認

更新確認の課題と解決方法

活用例

• 「昨日からの Backlog の課題や Wiki の更新をまとめて」というプロンプトで更新内容を確認
• 更新者、関連リンクなども AI が提示

4. その他の活用シーン

ナレッジ検索の高度化

• 過去の課題や Wiki の情報を AI が解析
• 関連するコンテキストを理解した上での検索
• 複数の情報源を統合した回答の提供

プロジェクト横断分析

タスク見積もり支援

• タスク実績データの AI による学習
• 新規タスクの見積もり精度向上
• タスクの内容、担当者、過去の類似タスクを考慮した現実的な見積もり

ドキュメントからソースコード探索

仕様確認の効率化

• 質問応答形式での仕様確認
• 関連する仕様情報の提示
• 複雑な仕様全体の把握をサポート

コードレビュー支援

技術スタック

まとめ