OpenAI Codexのテックリードが実践するAI支援エンジニアリング

先日、サンフランシスコのOpenAIオフィスを訪問し、Codex CLIのテックリードであるMichael Bolin氏に話を伺いました。彼は元MetaのDistinguished Engineerで、Buckビルドツールの開発者であり、Google Calendarにも携わりました。また、2010年に『Closure: The Definitive Guide』を執筆したO'Reilly著者でもあります。Bolin氏のAI支援エンジニアリングのワークフローは非常にシンプルです。彼はまずNotionドキュメントで仕様を書き、チームでレビューして設計を確定します。次に、CodexのNotionコネクタを使ってURLを貼り付けるだけで、Codexが自動的に要件や議論の履歴を読み取り、実装を開始します。コードレビューは手動で行います。この「仕様作成→シンプルなプロンプト→コードレビュー」という方法が彼の基本です。具体的なプロジェクトとして、Codex CLIの権限システムを構築しました。このシステムはエンタープライズ向けで、機能に対する制限とAIのアクションの安全性を確保するものです。プロジェクトは数ヶ月にわたる大規模なものでした。彼はNotionドキュメントで要件を詳細に記述し、チームメンバーがコメントや提案を行い、設計を洗練させました。実装段階では、Codexに作業を適切なサイズのプルリクエスト（PR）に分割するよう依頼しました。Bolin氏は2000行を超えるPRを避け、人間がレビューしやすいサイズを重視します。Codexは最初に約6つのPRを生成し、チームはそれらを順にレビュー、テスト、マージコンフリクトの処理、改良を進めました。マージコンフリクトについては、Codexが非常に規律正しく処理できるため、彼は専用のスキルを作成してCodexに任せています。また、関連するPRのコンテキストを活用することが非常に有効だと述べています。Bolin氏は、多くのエンジニアがClaude CodeやCursorを使う中で、Codexに直接PRを作成させる「エージェンティックPR」を好みます。その理由は、CIの実行に15～20分かかるため、すぐにPRを作成してCIを開始したいからです。CodexはPRの「ベビーシッター」として機能し、CIの失敗を自動的に監視して対応します。また、ローカルでのテスト実行を避けることで、計算リソースを節約し、複数の変更を同時に処理できるようにしています。Bolin氏のワークフローは、明確な仕様、適切なPR分割、自動化されたCI監視、そして高品質なコードレビューが、効率的なAI支援エンジニアリングの鍵であることを示しています。