生成AIを活用してプロダクト開発を加速させる、GitHub Copilot の導入提案と組織浸透

プロダクトを成長させるためには、実現したいことがたくさん存在します。そこにエンジニアとして取り組む上で一番多くの時間を占めるのが、コーディングです。そこで、コーディング作業の効率化に真っ先に着手しました。そのアプローチの一つとして、生成AIの活用がインパクトが大きいと考えました。

GitHub Copilotの導入以前は、社内でコーディングに生成AIを上手く活用できている人とできていない人に分かれている、個人ごとにGitHub Copilotや生成AI系のツールを使用する場合、ソースコードの漏洩などプライバシー面での統制が取りづらいなどの複数の課題があり、全社での導入を検討しました。

• Tabnine

• サービスの信頼性(利用実績)

ハウテレビジョンの場合、

• 元々GitHubをメインの開発ツールとして活用しており、実績から信頼性の高いサービスが期待できること
• エディターもVSCodeやGolandなど元々GitHub Copilotに対応したエディタを全員が使っていた
  という理由からGitHub Copilotを選択しました。

組織全体としてどう変化したかの指標が計測できていないため、定量的に改善できたとは言い難いです。Findy Team+などの開発生産性指標を可視化する仕組みを事前に用意しておくことで、より前後の変化を可視化べきであり、まずはコード提案の受け入れ率を可視化するためにGitHub Enterpriseプランへの移行を進めています。

定性的には、エンジニアにアンケートをとった結果、全員がGitHub Copilotを活用できていると感じており、特に後述の”よく使う機能”に関して使用がやめられないと感じている人が多かったです。

• 導入効果の説明の観点で、GitHub Teamプランでは、最後にCopilotを利用した日時しか確認することができず、Enterpiseプランを契約していないとコード提案の受け入れ率を確認することができないこと
• GitHub Copilotの使い方に慣れてないメンバーに浸透させること

参考情報

• 仕組みから学ぶ GitHub Copilot の使い方
• Measuring the impact of GitHub Copilot

決裁権のない立場から提案する上では、導入効果を定量的に示す重要度が高いため、導入を行う前に実際の導入効果の指標を考えておいた方が良いです。

また、生成AIの話題は進化が早く、今回の導入検討時期である2023年8月から半年でいろいろな情報のアップデートがあります。例えば、Claude3などの高性能なモデルの登場やCursorなど生成AIを活用するためのツールが登場しました。そのため、継続的な最新情報のキャッチアップが必要です。