音声解析処理の改善とAI活用の効果

背景

音声解析処理（音声ファイルをアップロード → Azure Speech Serviceで文字起こし → Azure OpenAIで校正 → チェックリストで判定）を最初は1つのAzure Container Appsにまとめて実装していました。
しかしこの構成では、音声解析中に同じコンテナー上の他APIがブロックされ、レスポンスが返らなくなる問題が発生しました。

構成の見直し

音声解析処理を切り出してAzure Functions（Container Appsプラン）に移したことで、音声解析中でも他APIが問題なくレスポンスを返せるようになりました。

新たに見つかった課題

ただし、Azure Functions側では音声解析処理が順次実行されてしまい、複数ユーザーが同時にリクエストすると2件目以降が待たされる状況になりました。
Azure Functionsの仕様上は並列実行が可能なはずですが、実際には期待どおりに動かず、当時は3日ほど調査しても解決できずに一旦保留にしました。

再調査と解決

後日「複数ユーザーが同時に使えるようにしてほしい」という要望があり、再度調査を実施。
この際に GPT-4.1 と GitHub Copilot Agentモード を併用したところ、コードの中に 非同期処理が不足している箇所 があることを特定できました。
実際に非同期化を修正したところ、音声解析処理を並列で実行できるようになり、複数ユーザーの同時利用が可能になりました。

AI活用のポイント

英語の公式ドキュメントは読み解きに時間がかかりますが、AIに要約・解説させることで理解がスムーズになりました。

日本語ドキュメントと英語ドキュメントで表現が微妙に異なる部分もAIを介することで迷いなく調査できました。

以前は3日かけても解決できなかった問題がAIを活用した調査＋実装でわずか1日で解決できました。

まとめ

音声解析処理をContainer AppsからFunctionsに切り出すことで、他APIの応答ブロックは解消。

ただし当初は順次処理になっており、並列実行ができない課題が残った。

GPT-4.1とGitHub Copilotを活用し、非同期処理不足が原因と判明 → 修正で並列実行が可能に。

AIを活用することで、ドキュメント理解や原因特定にかかる時間を大幅に削減できた。

結論

今回の経験から、「AIを活用した調査・問題解決のスピード感」は非常に有効であると確認できました。
今後も技術的な調査や問題解消の際には、AIを積極的に活用することで、効率的な開発・改善が期待できます。