[{"data":1,"prerenderedAt":514},["ShallowReactive",2],{"/ja-jp/the-source/authors/emilio-salvador/":3,"footer-ja-jp":34,"the-source-banner-ja-jp":344,"the-source-navigation-ja-jp":356,"the-source-newsletter-ja-jp":383,"emilio-salvador-articles-list-authors-ja-jp":394,"emilio-salvador-articles-list-ja-jp":424,"emilio-salvador-page-categories-ja-jp":513},{"_path":4,"_dir":5,"_draft":6,"_partial":6,"_locale":7,"config":8,"seo":10,"content":12,"type":26,"slug":27,"_id":28,"_type":29,"title":11,"_source":30,"_file":31,"_stem":32,"_extension":33},"/ja-jp/the-source/authors/emilio-salvador","authors",false,"",{"layout":9},"the-source",{"title":11},"Emilio Salvador",[13,24],{"componentName":14,"componentContent":15},"TheSourceAuthorHero",{"config":16,"name":11,"role":19,"bio":20,"headshot":21},{"gitlabHandle":17,"linkedInProfileUrl":18},"esalvadorp","https://www.linkedin.com/in/emiliosp/","戦略・デベロッパーリレーションズ部門バイスプレジデント","Emilio Salvadorは、GitLabの戦略・デベロッパーリレーションズ部門のバイスプレジデントです。技術部門の幹部社員として20年以上の経験を持つEmilioは、AmazonとMicrosoftでの勤務経験があり、最近ではGoogleのデベロッパーアドボカシーおよびエクスペリエンスチームの戦略と運営を統括しました。MIT大学スローン経営大学院でMBAを取得。",{"altText":11,"config":22},{"src":23},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463402/g0snp3uisjm4tj3pkqcw.jpg",{"componentName":25},"TheSourceArticlesList","author","emilio-salvador","content:ja-jp:the-source:authors:emilio-salvador.yml","yaml","content","ja-jp/the-source/authors/emilio-salvador.yml","ja-jp/the-source/authors/emilio-salvador","yml",{"_path":35,"_dir":36,"_draft":6,"_partial":6,"_locale":7,"data":37,"_id":340,"_type":29,"title":341,"_source":30,"_file":342,"_stem":343,"_extension":33},"/shared/ja-jp/main-footer","ja-jp",{"text":38,"source":39,"edit":45,"contribute":50,"config":55,"items":60,"minimal":332},"GitはSoftware Freedom Conservancyの商標です。当社は「GitLab」をライセンスに基づいて使用しています",{"text":40,"config":41},"ページのソースを表示",{"href":42,"dataGaName":43,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":46,"config":47},"このページを編集",{"href":48,"dataGaName":49,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":51,"config":52},"ご協力をお願いします",{"href":53,"dataGaName":54,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":56,"facebook":57,"youtube":58,"linkedin":59},"https://twitter.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[61,88,161,232,294],{"title":62,"links":63,"subMenu":69},"プラットフォーム",[64],{"text":65,"config":66},"DevSecOpsプラットフォーム",{"href":67,"dataGaName":68,"dataGaLocation":44},"/ja-jp/platform/","devsecops platform",[70],{"title":71,"links":72},"価格",[73,78,83],{"text":74,"config":75},"プランの表示",{"href":76,"dataGaName":77,"dataGaLocation":44},"/ja-jp/pricing/","view plans",{"text":79,"config":80},"Premiumを選ぶ理由",{"href":81,"dataGaName":82,"dataGaLocation":44},"/ja-jp/pricing/premium/","why premium",{"text":84,"config":85},"Ultimateを選ぶ理由",{"href":86,"dataGaName":87,"dataGaLocation":44},"/ja-jp/pricing/ultimate/","why ultimate",{"title":89,"links":90},"ソリューション",[91,96,101,106,111,116,121,126,131,136,141,146,151,156],{"text":92,"config":93},"デジタルトランスフォーメーション",{"href":94,"dataGaName":95,"dataGaLocation":44},"/ja-jp/topics/digital-transformation/","digital transformation",{"text":97,"config":98},"セキュリティとコンプライアンス",{"href":99,"dataGaName":100,"dataGaLocation":44},"/solutions/application-security-testing/","Application security testing",{"text":102,"config":103},"自動化されたソフトウェアデリバリー",{"href":104,"dataGaName":105,"dataGaLocation":44},"/solutions/delivery-automation/","automated software delivery",{"text":107,"config":108},"アジャイル開発",{"href":109,"dataGaName":110,"dataGaLocation":44},"/ja-jp/solutions/agile-delivery/","agile delivery",{"text":112,"config":113},"クラウドトランスフォーメーション",{"href":114,"dataGaName":115,"dataGaLocation":44},"/ja-jp/topics/cloud-native/","cloud transformation",{"text":117,"config":118},"SCM",{"href":119,"dataGaName":120,"dataGaLocation":44},"/ja-jp/solutions/source-code-management/","source code management",{"text":122,"config":123},"CI/CD",{"href":124,"dataGaName":125,"dataGaLocation":44},"/ja-jp/solutions/continuous-integration/","continuous integration & delivery",{"text":127,"config":128},"バリューストリーム管理",{"href":129,"dataGaName":130,"dataGaLocation":44},"/ja-jp/solutions/value-stream-management/","value stream management",{"text":132,"config":133},"GitOps",{"href":134,"dataGaName":135,"dataGaLocation":44},"/ja-jp/solutions/gitops/","gitops",{"text":137,"config":138},"Enterprise",{"href":139,"dataGaName":140,"dataGaLocation":44},"/ja-jp/enterprise/","enterprise",{"text":142,"config":143},"スモールビジネス",{"href":144,"dataGaName":145,"dataGaLocation":44},"/ja-jp/small-business/","small business",{"text":147,"config":148},"公共機関",{"href":149,"dataGaName":150,"dataGaLocation":44},"/ja-jp/solutions/public-sector/","public sector",{"text":152,"config":153},"教育",{"href":154,"dataGaName":155,"dataGaLocation":44},"/ja-jp/solutions/education/","education",{"text":157,"config":158},"金融サービス",{"href":159,"dataGaName":160,"dataGaLocation":44},"/ja-jp/solutions/finance/","financial services",{"title":162,"links":163},"関連リソース",[164,169,174,179,184,189,193,197,202,207,212,217,222,227],{"text":165,"config":166},"インストール",{"href":167,"dataGaName":168,"dataGaLocation":44},"/ja-jp/install/","install",{"text":170,"config":171},"クイックスタートガイド",{"href":172,"dataGaName":173,"dataGaLocation":44},"/ja-jp/get-started/","quick setup checklists",{"text":175,"config":176},"学ぶ",{"href":177,"dataGaName":178,"dataGaLocation":44},"https://university.gitlab.com/","learn",{"text":180,"config":181},"製品ドキュメント",{"href":182,"dataGaName":183,"dataGaLocation":44},"https://docs.gitlab.com/","docs",{"text":185,"config":186},"ブログ",{"href":187,"dataGaName":188},"/ja-jp/blog/","blog",{"text":190,"config":191},"お客様の成功事例",{"href":192,"dataGaLocation":44},"/ja-jp/customers/",{"text":194,"config":195},"お客様成功事例",{"href":192,"dataGaName":196,"dataGaLocation":44},"customer success stories",{"text":198,"config":199},"リモート",{"href":200,"dataGaName":201,"dataGaLocation":44},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"text":203,"config":204},"GitLabサービス",{"href":205,"dataGaName":206,"dataGaLocation":44},"/ja-jp/services/","services",{"text":208,"config":209},"TeamOps",{"href":210,"dataGaName":211,"dataGaLocation":44},"/ja-jp/teamops/","teamops",{"text":213,"config":214},"コミュニティ",{"href":215,"dataGaName":216,"dataGaLocation":44},"/community/","community",{"text":218,"config":219},"フォーラム",{"href":220,"dataGaName":221,"dataGaLocation":44},"https://forum.gitlab.com/","forum",{"text":223,"config":224},"イベント",{"href":225,"dataGaName":226,"dataGaLocation":44},"/events/","events",{"text":228,"config":229},"パートナー",{"href":230,"dataGaName":231,"dataGaLocation":44},"/partners/","partners",{"title":233,"links":234},"Company",[235,240,245,250,255,260,265,269,274,279,284,289],{"text":236,"config":237},"GitLabについて",{"href":238,"dataGaName":239,"dataGaLocation":44},"/ja-jp/company/","company",{"text":241,"config":242},"採用情報",{"href":243,"dataGaName":244,"dataGaLocation":44},"/jobs/","jobs",{"text":246,"config":247},"経営陣",{"href":248,"dataGaName":249,"dataGaLocation":44},"/company/team/e-group/","leadership",{"text":251,"config":252},"チーム",{"href":253,"dataGaName":254,"dataGaLocation":44},"/company/team/","team",{"text":256,"config":257},"ハンドブック",{"href":258,"dataGaName":259,"dataGaLocation":44},"https://handbook.gitlab.com/","handbook",{"text":261,"config":262},"投資家向け情報",{"href":263,"dataGaName":264,"dataGaLocation":44},"https://ir.gitlab.com/","investor relations",{"text":266,"config":267},"Sustainability",{"href":268,"dataGaName":266,"dataGaLocation":44},"/sustainability/",{"text":270,"config":271},"ダイバーシティ、インクルージョン、ビロンギング（DIB）",{"href":272,"dataGaName":273,"dataGaLocation":44},"/ja-jp/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":275,"config":276},"トラストセンター",{"href":277,"dataGaName":278,"dataGaLocation":44},"/ja-jp/security/","trust center",{"text":280,"config":281},"ニュースレター",{"href":282,"dataGaName":283,"dataGaLocation":44},"/company/contact/","newsletter",{"text":285,"config":286},"プレス",{"href":287,"dataGaName":288,"dataGaLocation":44},"/press/","press",{"text":290,"config":291},"現代奴隷制の透明性に関する声明",{"href":292,"dataGaName":293,"dataGaLocation":44},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"title":295,"links":296},"お問い合わせ",[297,301,306,311,316,321,326],{"text":295,"config":298},{"href":299,"dataGaName":300,"dataGaLocation":44},"/ja-jp/sales/","sales",{"text":302,"config":303},"サポートを受ける",{"href":304,"dataGaName":305,"dataGaLocation":44},"/support/","get help",{"text":307,"config":308},"カスタマーポータル",{"href":309,"dataGaName":310,"dataGaLocation":44},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"text":312,"config":313},"ステータス",{"href":314,"dataGaName":315,"dataGaLocation":44},"https://status.gitlab.com/","status",{"text":317,"config":318},"利用規約",{"href":319,"dataGaName":320,"dataGaLocation":44},"/terms/","terms of use",{"text":322,"config":323},"プライバシーに関する声明",{"href":324,"dataGaName":325,"dataGaLocation":44},"/ja-jp/privacy/","privacy statement",{"text":327,"config":328},"Cookieの設定",{"dataGaName":329,"dataGaLocation":44,"id":330,"isOneTrustButton":331},"cookie preferences","ot-sdk-btn",true,{"items":333},[334,336,338],{"text":317,"config":335},{"href":319,"dataGaName":320,"dataGaLocation":44},{"text":322,"config":337},{"href":324,"dataGaName":325,"dataGaLocation":44},{"text":327,"config":339},{"dataGaName":329,"dataGaLocation":44,"id":330,"isOneTrustButton":331},"content:shared:ja-jp:main-footer.yml","Main Footer","shared/ja-jp/main-footer.yml","shared/ja-jp/main-footer",{"_path":345,"_dir":346,"_draft":6,"_partial":6,"_locale":7,"id":347,"visibility":331,"title":348,"button":349,"_id":353,"_type":29,"_source":30,"_file":354,"_stem":355,"_extension":33},"/shared/ja-jp/the-source/banner/the-economics-of-software-innovation-2025-08-18","banner","The Economics of Software Innovation","The Economics of Software Innovation—AI’s $750 Billion Opportunity",{"config":350,"text":352},{"href":351},"/software-innovation-report/","Get the research report","content:shared:ja-jp:the-source:banner:the-economics-of-software-innovation-2025-08-18.yml","shared/ja-jp/the-source/banner/the-economics-of-software-innovation-2025-08-18.yml","shared/ja-jp/the-source/banner/the-economics-of-software-innovation-2025-08-18",{"_path":357,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"logo":358,"subscribeLink":363,"navItems":367,"_id":379,"_type":29,"title":380,"_source":30,"_file":381,"_stem":382,"_extension":33},"/shared/ja-jp/the-source/navigation",{"altText":359,"config":360},"the source logo",{"src":361,"href":362},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1750191004/t7wz1klfb2kxkezksv9t.svg","/ja-jp/the-source/",{"text":364,"config":365},"購読する",{"href":366},"#subscribe",[368,372,375],{"text":369,"config":370},"人工知能",{"href":371},"/ja-jp/the-source/ai/",{"text":97,"config":373},{"href":374},"/ja-jp/the-source/security/",{"text":376,"config":377},"プラットフォームとインフラストラクチャ",{"href":378},"/ja-jp/the-source/platform/","content:shared:ja-jp:the-source:navigation.yml","Navigation","shared/ja-jp/the-source/navigation.yml","shared/ja-jp/the-source/navigation",{"_path":384,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"title":385,"description":386,"submitMessage":387,"formData":388,"_id":391,"_type":29,"_source":30,"_file":392,"_stem":393,"_extension":33},"/shared/ja-jp/the-source/newsletter","The Sourceニュースレター","ソフトウェア開発の未来への洞察に関する最新情報を入手しましょう。","The Sourceのニュースレターへの登録が完了しました。",{"config":389},{"formId":390,"formName":283,"hideRequiredLabel":331},28467,"content:shared:ja-jp:the-source:newsletter.yml","shared/ja-jp/the-source/newsletter.yml","shared/ja-jp/the-source/newsletter",{"amanda-rueda":395,"andre-michael-braun":396,"andrew-haschka":397,"ayoub-fandi":398,"brian-wald":399,"bryan-ross":400,"chandler-gibbons":401,"dave-steer":402,"ddesanto":403,"derek-debellis":404,"emilio-salvador":11,"erika-feldman":405,"george-kichukov":406,"gitlab":407,"grant-hickman":408,"haim-snir":409,"iganbaruch":410,"jlongo":411,"joel-krooswyk":412,"josh-lemos":413,"julie-griffin":414,"kristina-weis":415,"lee-faus":416,"ncregan":417,"rschulman":418,"sabrina-farmer":419,"sandra-gittlen":420,"sharon-gaudin":421,"stephen-walters":422,"taylor-mccaslin":423},"Amanda Rueda","Andre Michael Braun","Andrew Haschka","Ayoub Fandi","Brian Wald","Bryan Ross","Chandler Gibbons","Dave Steer","David DeSanto","Derek DeBellis","Erika Feldman","George Kichukov","GitLab","Grant Hickman","Haim Snir","Itzik Gan Baruch","Joseph Longo","Joel Krooswyk","Josh Lemos","Julie Griffin","Kristina Weis","Lee Faus","Niall Cregan","Robin Schulman","Sabrina Farmer","Sandra Gittlen","Sharon Gaudin","Stephen Walters","Taylor McCaslin",{"allArticles":425,"visibleArticles":512,"showAllBtn":331},[426,472,492],{"_path":427,"_dir":428,"_draft":6,"_partial":6,"_locale":7,"config":429,"seo":433,"content":437,"type":467,"category":428,"slug":468,"_id":469,"_type":29,"title":434,"_source":30,"_file":470,"_stem":471,"_extension":33,"date":438,"description":435,"timeToRead":439,"heroImage":436,"keyTakeaways":440,"articleBody":444,"faq":445},"/ja-jp/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale","ai",{"layout":9,"template":430,"articleType":431,"author":27,"featured":331,"gatedAsset":432,"isHighlighted":6,"authorName":11},"TheSourceArticle","Regular","source-lp-ai-guide-for-enterprise-leaders-building-the-right-approach",{"title":434,"description":435,"ogImage":436},"デベロッパーの可能性を大きく開放する自律型AI","自律型AIは、コード補完の枠を超え、複雑なタスクに主体的に挑むパートナーへと進化しつつあり、ソフトウェア開発を大きく変革しようとしています。","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463876/kiw4eb54r8xtzztvbozf.jpg",{"title":434,"date":438,"description":435,"timeToRead":439,"heroImage":436,"keyTakeaways":440,"articleBody":444,"faq":445},"2025-04-08","6分で読めます",[441,442,443],"AIエージェントは、コードベースのモダナイゼーションといった複雑なタスクを自律的に処理することで、開発時間を数週間から数時間に短縮し、重要なシステムに対しては、引き続き人間による柔軟な監視体制を維持できます。","従来の単純なコードアシスタントとは異なり、AIエージェントは他のエージェントと協力してさまざまなタスクを実行できるため、デベロッパーはイノベーションや価値の高い問題解決に集中できるようになります。","さまざまなモデルを搭載した専門のAIエージェントは、セキュリティやテストなど特定分野のタスクの実行に優れており、汎用的なソリューションよりも優れた成果をもたらします。","AIはすでに、デベロッパーの働き方を変えています。[GitLabの調査](https://about.gitlab.com/ja-jp/developer-survey/2024/ai/)によると、2024年にはDevSecOpsの専門家のうち39%がソフトウェア開発にAIを使用していると報告しており、前年比で16%増加しています。AI搭載のコードアシスタントは、コードの作成支援やコードベースの理解、ドキュメント作成をサポートする、今や一般的なツールとなっています。しかし現在、さらに大きな変化が起きています。受動的なサポーターではなく、能動的なパートナーとして働くAIエージェントが登場してきているのです。\n\n受け身のアシスタントから能動的なエージェントへの変化は、デベロッパーのソフトウェア開発のあり方を大きく変えつつあります。自律型AIにより、誰もが簡単にソフトウェアを作れる時代が到来し、数十億人に届く革新的なプロダクトが次々と生まれることで、イノベーションの波は加速しています。ただし、この新たなイノベーションの波をリスクなく最大限に活用するためには、リーダーたちが、強固なセキュリティとコンプライアンスのガードレールを備えた自律型AIソリューションを見極める必要があります。\n\n## AIエージェントとAIアシスタントの違いとは？\nAIアシスタントとエージェントの主な違いは、その挙動にあります。コードアシスタントは受動的で、デベロッパーからの質問やリクエストを待ちます。コーディングのスピードアップやコード理解を助ける点では有効ですが、開発プロセスの中ではあくまで受け身の存在です。\n\n一方で、AIエージェントはチームメンバーのように振る舞います。推論や計画を行い、異なるタスク間でもコンテキストを維持しながら、ある程度の自律性を持って意思決定を下したり、他のエージェントと連携したり、状況の変化に適応したりします。エージェントへの移行により、AIはソフトウェア開発における真のパートナーとなります。\n\nチームがあらゆる仕事を担当する中、コーディングだけをサポートするアシスタントとは異なり、AIエージェントはセキュリティチェックやコンプライアンスレビューといった複雑なプロセス全体を積極的に管理できます。たとえば、コードレビューエージェントは、自動でコードをチェックし、問題を検出し、修正案を提示できます。アシスタントが各ステップで人間のインプットを必要とするのに対し、エージェントはプロジェクト目標に基づいてタスク間を自律的に移動できます。また、単純なアシスタントが過去のやり取りを記憶したり、ミスから学んだりできないのに対して、エージェントは時間とともに学習・適応することもできます。\n\n## 自律性の範囲\nAIエージェントの最も強力な特長のひとつは、柔軟に設定を変えたり、対話レベルを調整したりできる点です。エージェントによっては人間と多くやり取りするものもあれば、ほとんど、あるいは全く人間の介入なしに、複雑なタスクをバックグラウンドで実行できるものもあります。そのためチームは、エージェントの担当業務やタスクの重要度に応じて、人間による関与のレベルを柔軟に設定できます。\n\nたとえば、コードの要約やドキュメントの下書きのようなシンプルなタスクであれば、エージェントに独立して作業を進めさせ、完了時にだけ人間に通知する設定にすることも可能です。一方、中核となるビジネスロジックや機密データを扱う重要なタスクでは、承認チェックポイントを設けたり、エージェントの作業を密にモニタリングしたりできます。\n\nこの柔軟性によって、自動化によるスピード感と人間によるコントロールのバランスを取ることができます。オールオアナッシング、という極端な選択ではなく、タスクの種類や開発ライフサイクルのステージに応じて、自律性のレベルを細かく調整できるのです。\n\n## 特化型の力\n現在のAIコードアシスタントは、通常、一つの大規模言語モデルを使用しています。しかし、これからの時代は、異なるそれぞれのタスクに特化したモデルを搭載した、多くの特化型エージェントが登場するでしょう。\n\nすでに、以下のようなタスクに特化したエージェントが現れ始めています。\n- コードモダナイゼーション（既存のコードベースを新しい言語バージョンに変換する）\n- セキュリティ脆弱性の検出と修正\n- テストの生成と実行\n- パフォーマンス最適化\n- ドキュメント生成\n- パイプラインの失敗の根本原因分析\n\nこれらのタスクは、それぞれ専用に設計されたモデルを使うことで、最もよい結果が得られます。専門化することで、エージェントは万能型になろうとせずに、その特定のタスクにおいて優れた成果を発揮できます。\n\n今まさに生まれつつあるのは、特定のタスクに最適化された、搭載モデルの異なる複数のエージェント同士が連携して働くエコシステムです。このマルチモデルアプローチにより、単一の汎用モデルですべての開発タスクを処理しようとするよりも、より良い成果が期待できます。\n\n## AIエージェントが実社会に与える影響\nこれまで数週間かかっていたタスクが、AIエージェントを使えば数時間で完了できるようになっています。たとえば、大規模なJavaコードベースを新しいバージョンに更新する作業は、以前ならチームで何週間もかかっていたような作業ですが、エージェントによってはるかに高速に処理できるようになりました。\n\nさらに重要なことに、AIエージェントはデベロッパーの潜在能力を最大限に引き出す役割を果たします。ルーチンタスクをエージェントが肩代わりすることで、デベロッパーたちは本来得意とする複雑な問題解決や新しいソリューションの創出に集中できるようになります。これは、AIがデベロッパーを置き換えるという話ではなく、デベロッパーの能力を高め、より高次の思考やイノベーション、人間のインサイトが必要なクリエイティブな仕事に集中させるということです。\n\nAIエージェントを活用することで、これまで個人やチームでは実現できなかったスケールでの開発が可能になります。これにより、従来のプロンプトベースで受け身だったAIの作業が、ソフトウェア開発全体をつなぐ能動的な一連の作業へと移行し、コーディングから計画、デザイン、テスト、リリース、メンテナンスに至るまでサポートできるようになります。\n\n## AIエージェントの導入時に考慮すべきこと\nソフトウェア開発やコードの急速な成長に備えるために、企業は事前に計画を立てる必要があります。AIエージェントをプロセスに取り入れる前に、次の重要なポイントに注目しましょう。\n\n1. **単に新しいツールやプロセスをチームに覚えさせるだけでなく、実際に生産性を向上させる方法を考える。** [自律型AIワークフローをDevSecOpsプラットフォームの一部として導入する](https://about.gitlab.com/blog/gitlab-duo-workflow-enterprise-visibility-and-control-for-agentic-ai/)ことで、[AIスプロール（AIが乱立している状態）](https://about.gitlab.com/the-source/ai/overcome-ai-sprawl-with-a-value-stream-management-approach/)を避けながら、デベロッパーが顧客に価値を届ける作業により多くの時間を割けるようサポートできます。また、プラットフォームに組み込まれたレポートやダッシュボード機能を活用すれば、[成功を測定](https://about.gitlab.com/the-source/ai/4-steps-for-measuring-the-impact-of-ai/)し、チームが正しい方向に進んでいるかを確認できます。\n2. **チーム全体で効果を発揮するソリューションを探す。**優れたAIエージェントは、一部のデベロッパーだけでなく、チーム全体の生産性を高めます。\n3. **セキュリティとコンプライアンスを優先する。**AIによる本番環境向けコードの生成が増える中、安全なソフトウェア開発をスケールさせるためには、包括的なDevSecOpsプラットフォームが欠かせません。規制の厳しい業界で働いている場合は、AIエージェントソリューションが厳格なセキュリティおよびデータプライバシー規則に準拠しているかを必ず確認しましょう。オフライン環境や[インターネット未接続（エアギャップ）のシステム](https://about.gitlab.com/the-source/ai/transforming-government-it-ai-for-air-gapped-environments/)で動作できるかどうかも、必要なセキュリティレベルに応じて確認してください。\n4. **人間によるエンタープライズコントロールを前提としたソリューションを選ぶ**。AIエージェントには、人間をプロセスに関与させ続けるための明確な承認ワークフローや柔軟なガードレールが求められます。このバランスを取ることで、自動化によるスピード感を維持しつつ、重要なシステムや戦略的意思決定に不可欠な適切なガバナンスを確保できます。\n\n自動化されたセキュリティスキャン、コンプライアンスガードレール、および標準化されたワークフローを備えたエンドツーエンドのDevSecOpsプラットフォームを活用する企業は、不要なリスクを増やすことなく、AIエージェントのメリットを最大限に引き出す体制を整えられます。適切なプラットフォームなしでは、AIエージェント導入に伴う複雑さやリスクをうまく管理できず、安全で信頼できる顧客体験を提供するのが難しくなってしまうでしょう。\n\n## 今後の展望\nソフトウェア開発におけるAIエージェント革命はまだ始まったばかりです。これらのツールが成熟するにつれて、人間のデベロッパーとAIエージェントのチームワークがさらに向上し、エージェントはソフトウェア開発におけるより強力なパートナーとなっていくでしょう。\n\n未来を見据えると、コードアシスタントとAIエージェントの融合が進む大きな可能性も見えてきます。コードアシスタントは、コーディングタスクをより自律的に処理したり、開発フローの中で積極的に問題解決を行ったり、他の開発ツールやプロセスとより深く統合されたりするなど、さらに高度なAIエージェント機能を取り込む方向へ進化していくでしょう。将来的には、単なるコード生成だけでなく、高レベルな要求事項に基づいて自律的にデバッグ、テスト、デプロイまでも行えるような、より自律性の高い「コードエージェント」へと進化する可能性もあります。\n\nこの50年あまりでソフトウェアは世界を大きく変えてきましたが、実際にソフトウェアを作るスキルを持つ人はごくわずかでした。それでも、少数のデベロッパーがスマートフォンやインターネットを通じて何十億人もの人々にソフトウェアを届けてきました。もし、もっと多くの人が、本番環境で使えるレベルのソフトウェアを自ら作り、安全性を確保し、届けられる世界を想像してみてください。自律型AIは、それを現実のものにしていきます。\n\n受け身のアシスタントから能動的な開発パートナーへの移行は、ソフトウェア開発において大きな前進です。こうした特化型エージェントが進化していくことで、ソフトウェア開発はこれまで以上に速く、信頼性が高く、そして開発者にとってやりがいのあるものへと変わっていくでしょう。",[446,449,452,455,458,461,464],{"header":447,"content":448},"ソフトウェア開発における自律型AIとは何ですか？","自律型AIとは、人間のプロンプトを必要とする受動的なコードアシスタントとは異なり、自ら推論し、計画を立て、主体的にタスクを進めることができるAIエージェントを指します。これらのエージェントは、チームメンバーのように振る舞い、最小限のモニタリングで複雑なタスクを遂行し、ソフトウェア開発ライフサイクル全体にわたって能動的なワークフローを実現します。",{"header":450,"content":451},"AIエージェントは従来のコードアシスタントとどう違うのですか？","コードアシスタントがデベロッパーからのプロンプトに応答するのに対し、AIエージェントは自律的に複数ステップにわたるタスクを完了し、他のエージェントと連携し、プロジェクト目標に応じて調整できます。セキュリティスキャン、テスト生成、コードレビューといった機能も、各ステップごとに人間の介入を必要とせずに処理できます。",{"header":453,"content":454},"デベロッパーがAIエージェントを使用するメリットは？","AIエージェントは、コードベースの更新、コンプライアンスチェックの実行、ドキュメントの作成といった時間のかかるタスクを自動化することで、手作業の負担を軽減します。これにより、デベロッパーはイノベーション、問題解決、戦略的開発といったより価値の高い業務に集中できるようになり、最終的には品質を損なうことなく、開発のスピードを加速できます。",{"header":456,"content":457},"AIエージェントは、人間による関与のレベルに応じてカスタマイズできますか？","はい。チームは、タスクの重要度に応じてエージェントの自律性を設定できます。ルーチンタスクではエージェントが独立して動作できる一方、リスクの高い業務やビジネスクリティカルな作業では、人間による承認チェックポイントを組み込んで、ガバナンスとコンプライアンスを維持できます。",{"header":459,"content":460},"特化型AIエージェントは、汎用モデルよりも効果的ですか？","セキュリティ、テスト、根本原因分析といった特定の機能に特化してトレーニングされた特化型AIエージェントは、通常、その分野において汎用モデルよりも高いパフォーマンスを発揮します。このモジュール型・マルチエージェントアプローチにより、ドメインに最適化されたモデルの強みを活かして、精度と効率を向上できます。",{"header":462,"content":463},"自律型AIを導入する際に、企業は何を考慮すべきですか？","組織は、AIエージェントが自社のセキュリティ、コンプライアンス、ガバナンス要件に適合しているかを確認する必要があります。また、AIスプロールを防ぎ、人間による関与を通じてコントロールを維持し、一貫したワークフローによって全社的なアドプションをサポートできるよう、エンドツーエンドのDevSecOpsプラットフォームに統合することが重要です。",{"header":465,"content":466},"自律型AIはソフトウェア開発の未来をどう変革しますか？","自律型AIは、より多くの人が本番環境レベルのソフトウェアを構築・管理できるようにすることで、ソフトウェア開発の民主化を促進します。エージェントがさらに自律性を高め、システムに深く統合されていくことで、イノベーションのサイクルは加速し、コード品質は向上し、開発はより手軽で、スケーラブルかつセキュアなものになっていくでしょう。","article","agentic-ai-unlocking-developer-potential-at-scale","content:ja-jp:the-source:ai:agentic-ai-unlocking-developer-potential-at-scale:index.yml","ja-jp/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale/index.yml","ja-jp/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale/index",{"_path":473,"_dir":428,"_draft":6,"_partial":6,"_locale":7,"config":474,"seo":476,"content":480,"type":467,"category":428,"slug":488,"_id":489,"_type":29,"title":477,"_source":30,"_file":490,"_stem":491,"_extension":33,"date":481,"description":478,"timeToRead":482,"heroImage":479,"keyTakeaways":483,"articleBody":487},"/ja-jp/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more",{"layout":9,"template":430,"articleType":431,"author":27,"featured":6,"gatedAsset":475,"isHighlighted":6,"authorName":11},"source-lp-getting-started-with-ai-in-software-development-a-guide-for-leaders",{"title":477,"description":478,"ogImage":479},"自律型AI、GitLab Duoセルフホストモデルなど：2025年のAIトレンド","オンプレミスでのモデル展開から、インテリジェントで適応性の高いAIエージェントまで、ソフトウェア開発における主要なAIトレンドをご紹介します。","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751464096/twyszwpyraghcxz1bruy.png",{"title":477,"date":481,"description":478,"timeToRead":482,"heroImage":479,"keyTakeaways":483,"articleBody":487},"2024-12-18","3分で読めます",[484,485,486],"人工知能（AI）はすでにソフトウェア開発に大きな影響を与えており、さまざまなタスクを自動化することでコードの品質と効率を向上させています。","ソフトウェアデベロッパーはAIエージェントと協力することで、リアルタイムの問題解決、アプリケーションパフォーマンスの迅速な最適化、ソフトウェア品質の全体的な改善が可能となり、戦略的な意思決定に集中できるようになります。","特に規制の厳しい業界では、オンプレミスでのAIデプロイが増加することで、企業はデータのプライバシーとセキュリティをより細かく管理できるようになり、各企業のニーズに合わせたソフトウェアのカスタマイズが可能となります。","[GitLabの2024年の調査](https://about.gitlab.com/developer-survey/)によると、今後2年以内に78%の企業がソフトウェア開発プロセスにAIを導入する予定であると回答しています。これは、すでにデベロッパーチームのソフトウェアの構築や提供の方法を大きく変えつつある劇的な変化です。また、この1年間で実際にAIを活用している企業の割合が、23%から39%へと急増していることも明らかになりました。\n\nソフトウェア開発チームがワークフローにAIを統合しようと競い合う中で、ソフトウェア開発のあり方そのものが大きく変わろうとしています。本記事では、リアルタイムで適応するインテリジェントなAIエージェントから、自社専用にカスタマイズできるオンプレミスAIモデルの台頭まで、AIがソフトウェア開発にもたらす3つの大きな変化についてご紹介します。\n\n## アプリケーションの未来は、インテリジェントで適応性の高いAIエージェントへ\nこれまでのソフトウェア開発におけるAIは、コードの生成や補完を支援する受動的なコードアシスタントが中心でした。しかし、今後の主流となるのは自律型AIです。[インテリジェントで適応性の高いAIエージェント](https://about.gitlab.com/blog/meet-gitlab-duo-workflow-the-future-of-ai-driven-development/)は、従来のソフトウェアの限界を超えていくでしょう。従来のように決まったインターフェースや事前に設定されたワークフローを操作するのではなく、直感的に反応し、学習し続けるAIエージェントとやり取りできるようになります。\n\nこうしたAI搭載のエージェントは、アプリケーションそのものとして機能し、よりインタラクティブで会話型の体験を提供します。AIエージェントは複雑なタスクを実行したり、ガイダンスを提供したり、ユーザーとのやり取りからリアルタイムで学習したりできるため、自律型AIによってよりパーソナライズされた、柔軟なアプリケーションが実現し、私たちのソフトウェアの使い方そのものを根本から変えていくでしょう。\n\n## 受動的なツールから積極的な協力者へ進化するAIアシスタント\n[AIアシスタントはますます賢くなり](https://about.gitlab.com/gartner-mq-ai-code-assistants/)、受動的なプロンプトベースのツールから、積極的に問題を解決する協力者へと進化しています。この進化の中で、AI搭載のツールは開発の中心的な存在となり、デベロッパーのニーズを予測しながら、アプリケーションのパフォーマンス、セキュリティ、メンテナンスを最適化するための提案をリアルタイムで行えるようになります。この新世代のAIアシスタントは、人間の関与をほとんど必要とせず、複雑なプロジェクトやタスクを処理し、ソフトウェア開発プロセスを加速します。結果として開発のライフサイクル全体が効率化され、シンプルなユーザーインターフェースを通じて、より作業しやすくなります。\n\nこうしたAIの進化に伴い、ソフトウェアデベロッパーの役割も変化していきます。AIは人間のデベロッパーに取って代わるものではなく、人間の能力を拡張し、デベロッパーは最も情熱を注げる領域、つまり複雑な技術的問題の解決に専念できるようになります。また、AIアシスタントはルーチンワークを自動化し、専門的なガイダンスを提供することで、デベロッパーがビジネス課題の解決に深く関わりながら、コード品質を継続的に向上させ、新しい技術やスキルを探求する時間を確保できるようにします。\n\n## より多くの企業がオンプレミスでカスタマイズモデルを運用へ\n2025年には、組織はより小規模で専門性の高いAIのデプロイへとシフトしていきます。オープンソースのAIモデルがより費用対効果が高く、利用しやすくなるにつれて、企業では独自にカスタマイズしたモデルを自社のデータセンターで運用するケースが増えていくでしょう。結果として、企業が[独自の大規模言語モデルをホスティングし、それぞれのニーズに合わせて微調整する](https://about.gitlab.com/releases/2024/10/17/gitlab-17-5-released/#use-self-hosted-model-for-gitlab-duo-code-suggestions)ことが、これまでよりも安価・迅速・容易になります。また、企業は自社のデータと既存のAIモデルを組み合わせることで、現在のコストのごく一部で、カスタマーエクスペリエンスをよりパーソナライズできるようになるでしょう。\n\n一方で、AIに関連するコンプライアンスリスクの増大により、金融機関や政府機関などの規制が厳しい業界では、データの遅延を抑え、プライバシーやセキュリティをより細かく管理するために、インターネット未接続（エアギャップ）環境でAIモデルをデプロイする動きが加速する見込みです。\n\n## 結論\nソフトウェア開発の未来は、AIと密接に関連しています。AI技術は、ソフトウェアの開発、提供、保持のあり方を根本から変革しています。生成AI、能動的なAIアシスタント、完全自律型のAIエージェントといったさまざまなAIを活用することで、企業は競争力を高め、効率を向上させ、変化し続ける顧客のニーズに応える革新的なソリューションを提供できるようになります。\n\nしかし、この変革を成功させるためには、慎重な準備が不可欠です。具体的には、戦略的な計画、優秀な人材やインフラへの投資、そして継続的な学習と適応への取り組みが求められます。この急速に進化する環境にうまく適応できた企業は、デジタル時代で成功するための強い基盤を築くことができるでしょう。\n\n> ## よくある質問\n> ### 自律型AIとは何ですか？ソフトウェア開発にどのような影響を与えますか？\n> 自律型AIとは、自律的に動作し、やり取りから学習し、リアルタイムで適応するAIシステムを指します。従来のプロンプトに応じて反応するAIコードアシスタントとは異なり、自律型AIは積極的に作業を進め、ワークフローの自動化、効率の向上、ユーザーエクスペリエンスのパーソナライズを実現することで、ソフトウェア開発を効率化します。\n>\n> ### なぜ企業はセルフホスト型AIモデルに移行するのですか？\n> 組織は、データプライバシーを強化し、コストを削減し、特定のニーズに合わせてAIソリューションをカスタマイズするために、セルフホスト型AIモデルに移行しています。オープンソースAIの進歩により、企業はオンプレミス環境でモデルを微調整し、機密データを安全に管理しながら、規制へのコンプライアンスを確保し、パフォーマンスを向上させることができます。\n>\n> ### AI搭載のコーディングアシスタントはどのように進化していますか？\n> AIコーディングアシスタントは、事後反応的なツールから積極的な協力者へと進化しています。今後のAIアシスタントは、デベロッパーのニーズを予測し、インテリジェントな提案を行い、複雑なタスクを自動化し、ソフトウェアのセキュリティを強化することで、より効率的で、誰もが作業しやすいソフトウェア開発を実現します。\n>\n> ### オンプレミス環境でAIモデルを運用するメリットは何ですか？\n> オンプレミス環境でAIモデルを導入することで、組織はデータのセキュリティをより細かく管理し、規制要件へのコンプライアンスを向上させ、遅延を減らせます。このアプローチは、金融、医療、政府機関など、機密データを扱う業界にとって特に価値があります。\n>\n> ### 組織は2025年のAI主導のソフトウェア開発にどう備えるべきですか？\n> AI主導の開発にうまく適応するために、企業はAIインフラストラクチャに投資し、デベロッパーのスキルを向上させ、責任あるAIガバナンスを導入し、クラウドとオンプレミスを組み合わせたハイブリッドAIソリューションを検討する必要があります。また、常にAIの最新トレンドを把握することも、AIを活用した業務革新や効率アップに役立ちます。\n","ai-trends-for-2025-agentic-ai-self-hosted-models-and-more","content:ja-jp:the-source:ai:ai-trends-for-2025-agentic-ai-self-hosted-models-and-more:index.yml","ja-jp/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more/index.yml","ja-jp/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more/index",{"_path":493,"_dir":428,"_draft":6,"_partial":6,"_locale":7,"config":494,"seo":496,"content":500,"type":467,"category":428,"slug":508,"_id":509,"_type":29,"title":497,"_source":30,"_file":510,"_stem":511,"_extension":33,"date":501,"description":498,"timeToRead":502,"heroImage":499,"keyTakeaways":503,"articleBody":507},"/ja-jp/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption",{"layout":9,"template":430,"articleType":431,"author":27,"featured":6,"gatedAsset":495,"isHighlighted":6,"authorName":11},"source-lp-how-to-think-about-developer-productivity-in-the-age-of-ai",{"title":497,"description":498,"ogImage":499},"デベロッパーがAIの導入を加速できる6つの戦略","今やAIは、ソフトウェア開発において広く使用されています。この記事では、リーダーが潜在的な問題を認識しつつ、イノベーションが促進される環境作りを行う方法についてご紹介します。","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751464541/da4tvbmwsisqabz8i0mc.png",{"title":497,"date":501,"description":498,"timeToRead":502,"heroImage":499,"keyTakeaways":503,"articleBody":507},"2024-10-29","7分で読めます",[504,505,506],"AIをソフトウェア開発プロセスに統合することで、ワークフローを効率化でき、デベロッパーの生産性が向上されます。結果としてチームは面倒なタスクに時間を取られることなく、イノベーションに取り組むことができます。","このようなメリットがあるものの、知識やリソースの不足、ワークフローへの適応の難しさ、仕事が奪われるのではないかといった懸念により、AIツールをワークフローにうまく統合するのは容易ではない場合があります。","AIの導入を成功させるための戦略として、AI導入の目標と目的の明確化、ガードレールとワークフローの確立、人材と組織文化の変革への注力などが挙げられます。","コーディング工程に人工知能（AI）を統合することで、ソフトウェアデベロッパーが戦略的タスクにかけられる時間が増えるだけでなく、認知負荷の軽減やより優れた価値の提供も可能になります。\n\n組織はすでにAIに多額の投資を行っています。[GitLabの2024年グローバルDevSecOpsレポート](https://about.gitlab.com/ja-jp/developer-survey/)によると、回答者の78%が「現在AIをソフトウェア開発に使用している、または今後2年間で使用する予定である」と回答し、2023年の64%から増加する結果となりました。また、AIを導入済みの組織は、デベロッパーの生産性やコード品質の向上、より安全なコードの作成などのメリットをすでに実感しています。[AIを活用する](https://about.gitlab.com/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity/)ことで、開発チームは、定型コードを手動で作成するといった時間のかかる反復的なタスクではなく、創造力を活かした問題解決やイノベーションにより多くの時間をかけられるようになります。\n\nAIのメリットは明らかであるとはいえ、日々の業務プロセスにAIツールをうまく組み込むのは必ずしも容易ではありません。これは、知識やリソースの不足、既存のワークフローやツールとの適合の難しさ、自動化によって仕事を失うことへの懸念など、さまざまな要因に起因するものと考えられます。GitLabが実施した調査では、回答者の半数近く（49%）が今後5年以内に現在の職務をAIに取られるのではないかと懸念を示しました。\n\nAIの統合を成功させるためには、チームの現状を把握することが不可欠です。[GitLabの調査](https://about.gitlab.com/ja-jp/developer-survey/2024/ai/)によると、組織の過半数（56%）は、評価と調査のステージにいることが判明しました。これはつまり、ほとんどのチームがAIの導入について達成可能な目標を設定し始めているものの、実際にはソフトウェア開発ライフサイクルにおいてAIを使い始めていない状態にいるということです。\n\n早期に導入した場合でも、もしくはAIというアイデア自体を検討中の段階であっても、チームを成功に導く6つの戦略をご紹介します。\n\n## 1. AI導入の目標と目的を明確にする\n最初に行うべきことは、組織のAIガバナンスモデルの作成です。AI導入の目標と目的は何ですか？既存のプロセスやワークフローにどのように適合させますか？\n\nAI戦略と導入を統括するリーダーを決めることも非常に重要です。最高AI責任者（CAIO）を採用する企業も出てきていますが、経営幹部として急いで登用する必要はなく、暫定的なCAIOとして統括責任者（VP）がチーム全体でのAIの使用を調整してもよいでしょう。\n\n第一の目標は、自動化やパーソナライゼーション、データドリブンの意思決定など、AIが大きな価値をもたらす分野に焦点を当てながら、ビジネス成果を直接サポートして大きな影響を及ぼすAIユースケースを特定し、優先順位をつけることです。まずは組織が直面する可能性のあるプライバシー、セキュリティ、法的な要件を取り上げることが必要です。AI導入が継続的なコンプライアンスにどのように関わってくるかを検討しなければ、AI導入の成功はあり得ないことを忘れないようにしましょう。\n\n第一の目標は、自動化やパーソナライゼーション、データドリブンの意思決定など、AIが大きな価値をもたらす分野に焦点を当て、ビジネス成果を直接的に支え、大きな影響を及ぼすAIユースケースを特定し、優先付けすることです。まずは組織が直面する可能性のあるプライバシー、セキュリティ、法的な要件を取り上げ、AI導入が継続的なコンプライアンスにどのように関わってくるかを検討せずにAI導入の成功はあり得ないことを忘れないようにしましょう。\n## 2. AIのガードレールとワークフローを確立する\n開発環境にAIを組み込む前に、責任を持って効果的にAIを使用するためにガイドラインを定める必要があります。セキュリティアナライザーの使用を含む自動テストを設定して、本番環境へ反映される前にすべてのAI生成コードを確実にレビューするゲートメカニズムを構築します。また、シャドーITの最新のパターンであるシャドーAIに注意してください。シャドーAIとは、コードベースで作業する際に作業者が独自のAIアシスタントを導入することで、機密情報や知的財産の漏えいにつながる恐れがあります。\n\nまた、チームがタスクの種類に応じてどのように異なる種類の機械学習（ML）モデルを使い分けるかについても、今から考えておくことをおすすめします。ひとつのMLモデルですべてのタスクを行えるわけではありません。大規模言語モデル（LLM）は多くの場合、特定のタスク向けに調整されています。つまり、複数のユースケースで同じAIモデルを使用しているチームは、最適な結果を得られない可能性があります。AIツールを選ぶ際には、特定のユースケースに合わせてさまざまなモデルを提供するベンダーを探しましょう。そうすることで、後々、モデルを入れ替える手間がかかりません。\n\n## 3. データドリブンなAIの骨組みを構築する\nAIが組織にもたらす成果は、AIシステムからアクセス可能なデータの質によって左右されます。AIシステムにデータを供給することで、組織のニーズに合わせて結果を調整し、ソフトウェア開発ライフサイクル全体の効率性と生産性を向上できます。しかし、長期的な成功を収めるためには、組織全体でデータを使用してプロンプトを与え、生成AIの出力を強化するデータドリブンなAIの骨組みが必要です。\n\nそのために行うべきことは次のとおりです。\n- データの収集、保存、クリーニング、処理を行う堅牢な仕組みを確立。\n- 特にGDPRやCCPAのような規制に確実に準拠するために、データアクセス、データの使用、セキュリティ、プライバシーに関する明確なガバナンスを確立。\n- データのサイロ化を解消。部署を超えたコラボレーションを促進し、組織のさまざまな場所でデータを活用できるようにします。今こそ、デベロッパーとデータサイエンティストが協力してデータウェアハウスやデータレイクを活用し、トレーニングモデルへのアクセスやアプリケーションの利用を促進するのに最適なタイミングです。\n\n## 4. 人材と組織文化の変革に注力する\nAIの可能性を安全かつ確実に、責任を持って引き出すには、継続的にスキルアップを行うことが不可欠です。データサイエンティストやAIエンジニア、その他の専門家からなるチームを編成し、AIソリューションを設計、開発、実装しましょう。従業員のスキルアップを図り、AIシステムを効果的に使用、保守できるようにすることが極めて重要です。また、AIの導入は長期に渡るプロセスであり、ある程度の[文化的変革](https://about.gitlab.com/the-source/ai/5-ways-execs-can-support-their-devops-teams-with-ai/)を行う必要があります。AIとデータドリブンの意思決定を受け入れる文化を育成することがAI導入を成功に導く鍵となります。社員が抱く自動化や仕事を失うことへの懸念に対応しつつ、試行と変革を促しましょう。\n\n## 5. 反復を受け入れる\nAIの実装は継続的なプロセスです。AIソリューションがフィードバックや新規データ、技術の進歩に基づいて常に改良・改善される継続的な学習アプローチを採用しましょう。デベロッパー向けには、個々のワークフローにAIがどのように適合するかを評価できるように試行期間を設ける必要があります。また、組織が長期的な利益を得られるようになるまでに、一時的に生産性が低下する可能性があることにも注意する必要もあります。マネージャーは、実装と反復のサイクル全体を通じて透明性と説明責任を強調することで、このような事態を早期に予測する（前もって考慮する）必要があります。\n\n## 6. コード行数だけでなく、ほかのメトリックも使用して成功を測定する\nタスク完了数や書かれたコードの行数などのメトリックを使用すれば、AIがチームに最も大きな影響を及ぼしている領域を効果的に特定できます。しかし、実際に重要となるのは、チームがどれだけ迅速に顧客に価値を提供できるかという点や、完成した製品のコード品質など、ビジネスにとって重要なメトリックをAIがどのように推進しているかということです。\n\nチームが記述したコードの行数からは、そこまでの情報はわかりません。AIの導入が成功したかどうかを測定するには、[生産性に関する従来のメトリックだけでなく](https://about.gitlab.com/ja-jp/the-source/ai/4-steps-for-measuring-the-impact-of-ai/)、ソフトウェアデリバリーの迅速化、デベロッパーの満足度の向上、顧客満足度の向上など、定量的に測定可能なビジネス価値を示すKPIに着目する必要があります。\n\n## まとめ：AIの導入によってデベロッパーを支援する\n\nまだ完全にAIを導入していない場合、今が取り掛かる絶好のタイミングです。Gartner®社によると、2028年までに企業のソフトウェアエンジニアの75%がAIコードアシスタントを使用すると予想されています。2023年初頭は10%未満だったことを考えると、大きな増加です[1]。\n\nAIの導入ペースは急速に加速しているものの、AIブーム（AIのハイプ・サイクル）が始まってからまだそれほど経っていないため、AIコードアシスタントの導入を検討し始めたばかりのチームであれば、早期導入者が直面した成長痛をある程度回避できるかもしれません。\n\nこの記事でご紹介した戦略に加え、開発から運用まで一貫した[DevSecOpsプラットフォームに統合されたAIソリューション](https://about.gitlab.com/gitlab-duo/)を導入すれば、ワークフローの全段階でデベロッパーの役に立ち、成功に向けた大きな一歩を踏み出せます。\n\nAIが職場に変革をもたらす中、企業はソフトウェア開発ライフサイクル全体でどのようにAIの力を活用して、イノベーションを加速させ、顧客に具体的なビジネスインパクトをもたらすことができるのかを検討する必要があります。\n\n[1] _出典：Joachim Herschmann, Manjunath Bhat, Frank O'Connor, Arun Batchu, Bill Blosen『2024年のソフトウェアエンジニアリングにおける戦略的な技術動向トップ5』Gartner社、2024年5月。GARTNERは、Gartner, Inc.および／またはその関連会社が有する米国内および国際的な登録商標であり、ここでは許可を得て使用されています。無断転載を禁じます。_\n\n*監修：小松原 つかさ [@tkomatsubara](https://gitlab.com/tkomatsubara)\u003Cbr>\n（GitLab合同会社 ソリューションアーキテクト本部 シニアパートナーソリューションアーキテクト）*","6-strategies-to-help-developers-accelerate-ai-adoption","content:ja-jp:the-source:ai:6-strategies-to-help-developers-accelerate-ai-adoption:index.yml","ja-jp/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption/index.yml","ja-jp/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption/index",[426,472,492],{"ai":369,"platform":376,"security":97},1758747507192]