GitHub Copilotの導入で最速・最高の両立を目指す

導入背景

コード生成AIによって、開発生産性が向上することを目指していました。特に、異なる専門分野のエンジニアが不慣れな領域で作業する際、例えばフロントエンド専門のエンジニアがバックエンドのコードを書いたり、SREがアプリケーションのバグを修正する場合などPull Requestを出すまでの時間を短くしたいと考えていました。

GitHub Copilotの導入以前は、OpenAIのAPIを利用するslack-botを運用しており、そこでコードを生成させて利用している場面もありました。しかし、GitHub Copilotのようにエディタに統合された生成AIツールは利用していませんでした。

また、slack-bot等では、みんなが生成結果を見ることができるメリットがある一方で、プロジェクトやファイルに存在するコンテキストをうまく伝えるのは難しく、新規のコードを生成する分には問題がありませんでしたが、既存のコードの修正はやや難しいと感じていました。そのような課題もあり、GitHub Copilotの導入を検討しました。

比較検討したサービス

Amazon CodeWhisperer

比較した軸

今後の発展性・展開への期待

選定理由

コード生成AIをはじめとして、これから開発プロセスの中にAIがくみこまれることは必至であると思っていたため、OpenAI、Microsoft、GitHubの各社との関係と、現在GitHub Enterpriseを利用していることから、今後のコード生成以外の部分への展開もうまく活用できるだろうと考えたためです。

導入の成果

利用直後から、専門外の技術を使う場合にやりやすくなったという声があり、実際に生成されたコード量からもそれなりの効果が得ることができました。

また、ペパボには長い歴史のあるサービスも多く、障害調査などでコードを読む時間が非常に長くなりがちなのですが、Copilot Chat等でコードリーディングの速度が上がりました。(メトリクスはこちらの通りです。)

導入時の苦労・悩み

そもそも資産であるサービスのコードを生成AIのインプットとして良いのかと、生成されたコードの権利について社内でも議論がありました。

導入に向けた社内への説明

よく使う機能

ツールの良い点

ツールの課題点

ツールを検討されている方へ

GitHub Copilot以外も生成AIによるコード生成サービスがありますが、GitHub Copilot Enterpriseをはじめとした周辺機能まで含めると、GitHub Copilotは現時点ではベストな選択だと考えています。

少人数から始めることもできるので、生成AIを活用した生産性向上に取り組むための一歩目としておすすめしたいツールです。