AI生成コードの段階リリースでは、コードを一括公開せず、機能フラグを無効にしたまま先に配備します。その後、社内、有志、比率を限定した利用者、全利用者へと公開範囲を広げれば、問題が起きたときに影響範囲を限定できます。ただし、段階を細かく分けるだけでは安全になりません。各段階で何を見て止めるのか、誰が進行を判断するのか、どう戻すのかを公開前に決めておく必要があります。
SECTION 01
AI生成コードの段階リリースは、配備と公開を分ける
機能フラグは、基本的には実行時に制御できるif/elseとして捉えられます。フラグの値を変えることで、新しいコードを配備し直さずにアプリケーションの振る舞いを変えられます。つまり、コードが本番環境に存在する「配備」と、利用者がその機能を使える「公開」は同じ瞬間でなくてよい、ということです。これは[OpenFeatureのIntroduction](https://openfeature.dev/docs/reference/intro/)で説明されている性質です(2026-10-27確認)。
AIが生成したコードも、既定値をoffにした一時的なリリースフラグで包み、無効状態のまま配備します。期待どおりに動かなければ、その機能だけを選択的に無効化できるようにしておきます。[Google SREのCanarying Releases](https://sre.google/workbook/canarying-releases/)は、機能公開をバイナリリリースから分離できる点を示しています。また、[LaunchDarklyのCreating flags](https://launchdarkly.com/docs/guides/flags/creating-flags)では、リリースフラグは段階公開のための一時的なフラグで、多くのフラグの既定variationはoffだと説明されています(いずれも2026-10-27確認)。
ここで迷いやすいのは、配備に成功したら公開してよいのか、という点です。答えは違います。配備の成否はコードを置けたかの確認であり、利用者への影響を許容できるかの判断ではありません。フラグがoffの状態を最初の関門にし、公開判断を後段へ切り離します。変更そのものをレビューしやすくするには、関連するAI生成コードを小さなPRに分ける方法も合わせて確認できます。
SECTION 02
停止指標と責任者を置いた段階配信の判断図
段階配信は、対象を小さく始め、評価に合格したときだけ広げます。カナリアは変更をサービスの一部へ期限付きで配備して評価し、その結果で続行を判断する方法です。初期段階を小さくすれば悪影響を抑えやすく、クラッシュやリクエスト失敗のような明確な問題指標を確認してから、より大きい対象へ進められます。[Google SREの解説](https://sre.google/workbook/canarying-releases/)に基づくこの原則を、AI生成コードの公開フローへ落とし込むと次の形になります(2026-10-27確認)。
```text [0 無効状態で配備] 確認担当: リリース責任者 停止: offを確認できない/対照と比較できる監視データがない 戻す: offを維持し、公開工程へ進めない │ 合格 ▼ [1 社内へ公開] 確認担当: 機能責任者 停止: クラッシュやリクエスト失敗が定めた許容範囲を外れる 戻す: フラグをoffにし、社内公開を止める │ 合格 ▼ [2 参加を選んだ有志へ公開] 確認担当: 機能責任者+監視担当 停止: 有志群のエラー率が対照群から許容範囲を超えて乖離する 戻す: フラグをoffにし、対象指定を解除する │ 合格 ▼ [3 対象比率を段階的に拡大] 確認担当: リリース責任者+監視担当 停止: 各拡大段階でエラー率などの停止指標が許容範囲を外れる 戻す: フラグをoffにし、拡大を中止する │ 各段階で合格 ▼ [4 全体公開] 確認担当: サービス責任者 停止: 確認期間中に停止指標が許容範囲を外れる 戻す: フラグをoffにし、機能だけを無効化する │ 安定性確認を完了 ▼ [5 一時フラグを撤去] 確認担当: コード所有者 停止: 対象が未統一/非常停止用途を残す判断が未確定 完了: コード参照を削除してからアーカイブ ```
この図の要点は、矢印の数ではなく、すべての矢印に合否判定があることです。確認担当が評価し、停止条件に触れたらフラグをoffへ戻し、原因を確認するまで対象を広げません。公開範囲を広げる操作と、広げてよいと判断する責任を曖昧にしない設計です。
SECTION 03
停止条件は比率ではなく、利用者影響から決める
段階の対象比率、観測時間、停止閾値に、どのサービスにも通用する共通値は置けません。カナリアの対象規模や実施時間、必要なトラフィック量、実施時間帯、評価指標は、リリース頻度、処理量、リクエストの多様性、負荷特性、指標が明瞭になるまでの時間に応じて決める必要があります。[Google SREのCanarying Releases](https://sre.google/workbook/canarying-releases/)で示される判断要素です(2026-10-27確認)。
そのため「一定比率まで出したから次へ進む」という計画にはしません。利用者影響へ結び付くサービス固有の指標を選び、自組織のSLO、トラフィック、変更内容に合わせて許容範囲と観測時間を定義します。カナリア群と対照群の信号は分けて比較できるようにし、指標の集計間隔はカナリア実施時間以下にそろえます。カナリア側のエラー率が対照側から許容範囲を超えて乖離したときは、配備を一時停止してロールバックするか、人による調査へ移します(2026-10-27確認)。
測る項目を増やすこと自体が目的ではありません。公開を続けるか止めるかに結び付く指標を選び、判定できる監視データがなければ無効状態から進めない、と決めます。評価設計を整理する際は、AI駆動開発の効果測定の進め方も参照できます。
SECTION 04
各段階の確認担当とロールバックを公開前に固定する
責任者はフラグの作成者と同義ではありません。社内確認では機能の期待動作を判断できる担当、有志公開と比率拡大では対照群との差を読める監視担当、全体公開では利用者影響を含めて判断できるサービス責任者を置きます。役割名は組織に合わせて変えられますが、「誰かが見る」という記述にはせず、各関門で続行・停止を決める担当を一人または明確なチームに割り当てます。これは運用手順としての判断であり、体制そのものに一律の正解があるという意味ではありません。
フラグの説明には、有効化したときの作用、副作用、責任者、撤去可能時期を記録します。[LaunchDarklyのCreating flags](https://launchdarkly.com/docs/guides/flags/creating-flags)でも、これらを説明へ含められるとされています(2026-10-27確認)。さらに、各段階の運用票には対象、停止指標、許容範囲、観測時間、確認担当、offへ戻す操作、再開条件を並べます。これで、異常を見つけた人が承認者探しから始める状態を避けられます。
ロールバックの基本は、問題が出た段階で対象拡大を止め、フラグをoffにして新機能だけを無効化することです。フラグ変更の権限、操作する環境、反映確認の方法も公開前に確認します。フラグを戻せるという仕様だけでは足りません。停止を決める人と実際に戻す人が動ける状態までを準備と捉えます。
SECTION 05
全体公開を終点にせず、一時フラグを撤去する
全利用者へ同じvariationを返すようになっても、段階リリースはまだ完了ではありません。一時的な条件分岐を残し続けず、安定性確認を終えたらコードからフラグ参照を取り除き、その後にフラグをアーカイブします。[LaunchDarklyのReducing technical debt from feature flags](https://launchdarkly.com/docs/guides/flags/technical-debt)は、全対象が同じvariationになった一時フラグについて、コードから取り除いた後にアーカイブする流れを示しています(2026-10-27確認)。
撤去は後日の整理ではなく、公開計画の完了条件に含めます。作成時点で撤去可能時期と責任者を記録し、全体公開後の安定性確認、コード参照の削除、アーカイブまでを追跡します。非常停止用途を残す必要があるなら、一時フラグを放置せず、恒久フラグへ明示的に変更します。技術的負債を減らすためのフラグのライフサイクルとして、同じ公式資料に示されている扱いです(2026-10-27確認)。
SECTION 06
一括公開を避けるための実行条件
AI生成コードを一括公開しないために必要なのは、機能フラグを付けることだけではありません。無効状態で配備し、社内、有志、比率拡大、全体公開の順に対象を広げ、各段階で対照群と比較できる停止指標、確認担当、offへ戻す手順をそろえることです。数値基準は借り物にせず、自組織のSLO、トラフィック、変更内容に合わせます。
冒頭に残した条件、つまり「何を見て、誰が止め、どう戻すか」が公開前に書かれていなければ、段階を分けても次へ進む根拠がありません。反対に、その三点が各関門にあり、監視データで合否を判断できれば、配備済みコードの露出を限定したまま進められます。最後は一時フラグのコード参照を削除し、アーカイブまで終えて完了です。
FAQ
よくある質問
Q. 機能フラグを付ければ、AI生成コードをすぐ全体公開してもよいですか?
いいえ。まずoffで配備し、社内、有志、比率拡大、全体公開の順に進めます。各段階に停止指標、確認担当、フラグをoffへ戻す手順があり、監視データで合格を判断できることが条件です。
Q. 段階配信の対象比率や観測時間に共通の推奨値はありますか?
本記事では共通値を置きません。対象規模、観測時間、停止閾値は、自組織のSLO、トラフィック特性、変更内容、指標が明瞭になるまでの時間に合わせて定義します。
Q. 全体公開後も機能フラグを残してよいですか?
一時的なリリースフラグは、安定性確認後にコード参照を削除してからアーカイブします。非常停止用途を残す場合は、放置せず恒久フラグへ明示的に変更します。