AI動画編集のDescript、モデル評価期間を1週間から数時間に短縮　OpenRouter活用でエンジニア依存を解消

要点

• AI動画・音声編集プラットフォームを提供するDescriptが、AIモデルの検証と本番導入にかかる期間を従来の約1週間から数時間へ短縮した事例が公開された。

• 従来はプロバイダーごとのAPI統合や社内調整に日数を要していたが、OpenRouterの統合とAnthropicのSlack連携「Claude Tag」を組み合わせて評価を自動化した。

• 週に複数回のモデル評価が可能になり、Anthropicの新モデルをリリースから数時間で本番反映したほか、直接統合のないxAIの「Grok 4.5」も本番導入した。

• 本番運用ではBasetenの専用環境（BYOK）を優先しつつ、モデルを固定したまま推論プロバイダーのみを切り替えるフォールバック構成を採用している。

• AI動画・音声編集プラットフォームを手がける米Descriptが、新たなAIモデルの評価および本番導入プロセスを大幅に効率化し、従来1週間を要していた検証期間を1〜2時間へと短縮した。AIモデルルーティングサービスを提供するOpenRouterが2026年9月21日（現地時間）、同社公式ブログ上でDescriptの事例として明らかにした。モデルアクセスの統合とSlack経由の自動化により、エンジニアへの個別依頼なしに迅速なモデル選定とデプロイを実現しているという。

個別API統合と社内調整が生んでいた「待ち時間」の課題

Descriptでは、AI動画編集エージェント「Underlord」の開発において、モデル評価の遅延という課題に直面していた。従来の体制では、OpenAI、Anthropic、Googleの3社と直接API統合を行い、障害時に備えた独自のフォールバック（代替切り替え）ロジックを自社で記述・保守していた。

モデルを新たに追加・テストする作業自体は2時間程度で完了するものの、開発担当エンジニアの作業スケジュールを確保するまでに数日を要していた。そのため、性能が期待されるモデルが登場しても、実際に試すまでに1週間ほど待機が発生する状況が続いていたという。結果として、エンジニアの業務を中断させてまで検証する価値があると判断された一部のモデルのみが評価対象となり、それ以外のモデルは見送られていた。

Slackと「Claude Tag」を活用した自動評価ループの構築

この課題を解消するため、DescriptはAPI統合の集約と評価プロセスの自動化を実施した。モデルアクセスの窓口をOpenRouterに統合したことで、新しいモデルを試す際に都度ベンダーとの契約や個別のAPIエンドポイント接続を構築する必要がなくなった。

DescriptでAIプロダクト責任者を務めるAleks Mistratov氏によれば、現在はSNS等で新モデルのリリースを確認した際、Slack上で対象モデルのリンクとともにOpenRouter経由での評価実行を指示するだけで完了するという。この自動化には、Anthropicが提供するSlack連携機能「Claude Tag」が用いられている。指示を受けたシステムがテスト環境で評価を実行し、プルリクエスト（コード変更提案）を自動作成した上で、最終的な人間のレビューと承認を経て反映される仕組みとなっている。

モデル選定の実証化とxAI「Grok 4.5」を含む迅速な本番投入

検証期間が1〜2時間に短縮されたことで、Descriptでは週に複数回のペースでモデル評価が実施されるようになった。テストされたモデルの多くは本番採用に至らないものの、この評価体制への移行によって同社の開発には3つの変化が生じたと説明している。

第1に、モデルの選定が経験的・実証的なデータに基づくものへと変化した点だ。自社のテストケースを用いて新モデルを測定し、既存の基準を上回った場合にのみ本番モデルを切り替える運用が定着した。以前のように特定のモデルを早期に標準化し、外部要因による強制がない限り見直さないという固定的な運用から脱却している。

第2に、新モデルのリリース対応が特別なイベントではなく日常的な業務フローとなった点である。直近のAnthropicによるモデルリリース時には、発表から本番稼働までわずか数時間で移行したという。評価の実行、現行モデルとの比較判定、モデルピッカーへの追加、デプロイといった一連の工程は、モデル接続の作業ではなく自社コードの構造に起因する内部処理のみで完結するようになった。

第3に、採用可能なモデルの選択肢が大幅に広がった点だ。DescriptはxAIとの直接統合を一度も自社で構築していなかったが、共通の経路を通じて「Grok 4.5」を本番環境へ導入することに成功している。

Baseten連携とモデルを固定したフォールバック設計

評価を通過したモデルの本番運用においても、単一のエンドポイントに依存するだけではない制御が行われている。Descriptでは、重みデータが公開されているオープンウェイトモデルの専用デプロイメント環境として機械学習インフラのBasetenを活用しており、自社キーを持ち込むBYOK（Bring Your Own Key）方式を採用している。

トラフィックのルーティング設計では、OpenRouterを通じてまずBasetenの専用環境へ優先的にリクエストを送信し、背後に他の推論プロバイダーをフォールバックとして配置している。このフォールバック機能は、障害発生時に推論プロバイダーのみを切り替え、応答するモデル自体は同一に保つ仕様となっている。これにより、ホスティング先で障害が発生してもモデルの出力特性や挙動を変えずにサービスを継続できるという。

Mistratov氏は、個別の接続先を管理する労力に悩むエンジニアに対し、「一度設定してしまえば、あとはすべてパラメータとして扱えるため、各社の接続を個別に解決しようとするよりもはるかに容易だ」と述べている。同社は新モデルの評価と採用モデルの本番運用の双方において同じ統合基盤を活用し、迅速な検証と安定稼働を両立させている。