生産性向上を目指して：GitHub Copilot導入の背景と成果

GitHub Copilotの導入以前は、AIベースのコーディング支援ツールは有志が個人で利用している状態でした。

開発において支援ツールを利用しなければならない明確な課題があったわけではありませんでしたが、少なくともアプリケーションレイヤーにおける開発においては、AIに支援させるコーディングとそうでないコーディングの生産性には大きな差が出てくることは予想できたため、早期導入の必要性を感じていました。

開発生産性を向上をさせることにより日々の施策を増やすことができると考えていたため、GitHub Copilotの導入を検討しました。

Tabnine

• 対応言語・フレームワークの幅広さ
• コード補完の精度と提案の適切さ
• プライバシーとセキュリティへの配慮
• 導入の容易さとIDEとの統合

• GitHubとの親和性の高さ
• ドキュメント生成や単体テストの自動生成機能の精度の高さ

GitHub Copilotの導入後の主な成果として、やや定性的になってしまいますが、生産性の向上に寄与したという声が多く上がっています。

例：冗長で繰り返しが必要なコードなどが、タブを押下しているだけで済むように

特に苦労したことはなかったです。

Github Copilotの裏側にLLMがある以上、その提案の質にはコンテキストが大きく影響します。例えば、エディタ上で別に開いているファイルの中身なども参照されるので、良い提案が出てこない場合は与えているコンテキストを見直すことが重要です。

上手く活用できなかったら利用をやめれば良いだけなので、まずは導入してみて、利用状況や効果を見るのが良いと思います。当社のメンバーからも「これなしでコードを書くことは考えられない」という声が挙がっており、試す価値はあります。