Miroは、世界中で9500万人以上のユーザーに利用されるAI駆動のイノベーションワークスペースであり、チームが構造化されていないアイデアを整理されたワークフローに変えるのを支援しています。同社は、ソフトウェアバグを適切なチームに効率的にルーティングするという重要な課題に直面していました。誤ったルーティングによる再割り当ては、年間推定42年の累積生産性損失を引き起こしていました。この問題に取り組むため、MiroはAWSプロトタイピングおよびクラウドエンジニアリング（PACE）チームと協力し、Amazon Bedrockを搭載したAI駆動のバグトリアージソリューション「BugManager」を開発しました。
BugManagerは、検索拡張生成（RAG）を採用した革新的なアプローチを採用しています。新しいバグレポートが届くと、システムはまずAmazon Nova Proのマルチモーダル機能を使用して、スクリーンショットや画面録画などの非テキストデータを解析します。次に、Amazon Bedrock Knowledge Basesを使用して、解決済みのJira課題、GitHubプルリクエスト、Confluenceドキュメント、READMEファイルなどの複数のナレッジソースから関連コンテキストを取得し、バグの説明を強化します。最後に、AnthropicのClaude Sonnet 4を使用して、強化されたバグの説明と各チームの責任に関する詳細なテキスト情報を1つの最適化された分類プロンプトに結合し、適切なチームにルーティングを実行します。
このシステムは、Slackベースのワークフローを通じてMiroのエンジニアリングコミュニティにシームレスに統合されています。ユーザーがバグレポートを投稿すると、BugManagerは優先順位順に最大5つの適切なチームとその理由を返します。デフォルトでは最も可能性の高いチームにルーティングされますが、ユーザーは手動で選択を上書きできます。さらに、システムはMiroのコードベース全体から情報を取得して、報告されたバグの詳細な根本原因分析を生成することもできます。
BugManagerのアーキテクチャは、Amazon EKSで実行されるPythonマイクロサービスに基づいています。ワークフローは、ユーザーフィードバックレポートの送信、メディア添付ファイルの解析、コンテキストによるフィードバックの強化、正しいチームへのルーティング、根本原因分析の生成、結果のユーザーへの表示で構成されています。主要なテクノロジーには、RAG用のAmazon Bedrock Knowledge Bases、ベクターストア用のAmazon OpenSearch Serverless、分類用のAnthropicのClaude Sonnet 4が含まれます。
結果は印象的です。Top-1のバグルーティング精度は75%超（以前のファインチューニングされたNLPモデルから70%向上）、Top-3精度は95%、平均レイテンシはわずか53秒です。これにより、チームの再割り当てが6分の1に、平均解決時間が数日から数時間に短縮されました。BugManagerのプロンプトベースのアプローチにより、チームの説明の更新は即座に反映され、再トレーニングが不要で、動的な組織や製品の変更に容易に適応できます。
要約すると、BugManagerはAIを現実世界の困難なエンジニアリング問題にうまく適用し、Miroの開発効率と製品品質を大幅に向上させました。