戸倉 ジャスミン
先生!
うちの兄ちゃんがエンジニアなんだけど、「GitHub Copilot ないと仕事できない」って言ってるんだよね。
そんなに便利なもんなの?
香月 リサ 先生
ジャスミンちゃんのお兄さん、現場の声をありがとう。
今日はそのGitHub Copilotを含む「コード生成 AI」を見ていきましょう。
深見 つむぎ
Copilot は、コーディング中のエディタで「次に書きたいコード」を先回りして提案してくれるツールですよね。
コメントを書くだけで関数全体を書いてくれたり、テストコードを生成してくれたり。
ベースは OpenAI のCodex(GPTベース)で、大量の GitHub 上のソースコードを学習しているんですね。
戸倉 ジャスミン
うそっ!?
プログラマの仕事なくなっちゃうんじゃない?
香月 リサ 先生
それは誤解しやすい点。
現実には「ボイラープレート(定型コード)の省力化」と「アイデア出し」が中心で、複雑な設計や要件定義は依然として人間の領域よ。
深見 つむぎ
補足すると、最近は汎用 LLM(ChatGPT、Claude、Gemini)もコードを書けるため、Copilot 一強ではなくなりつつあります。
2024〜2025年には Cursor、Windsurf、Claude Code などの AI コーディング環境が台頭していますね。
そして汎用 LLM と比較したとき、コード特化モデル(Meta の Code LLaMA、DeepSeek Coder、Qwen2.5-Coder など)は、より正確で構文エラーが少ない傾向があります。
雪村 ましろ
ふぅん…コードを書くだけじゃなくて、デバッグや説明もしてくれるのぉ?
香月 リサ 先生
そう。
コード生成、バグ修正、コードレビュー、テスト生成、ドキュメント生成、コードの説明、リファクタリング——プログラミングのあらゆる工程で活用できるの。
戸倉 ジャスミン
まじで万能じゃん!
香月 リサ 先生
ただし大事な注意点。
生成されたコードは必ず人間がレビューする必要があるの。
AI が生成するコードにも、①セキュリティホール(SQLインジェクション脆弱性など)、②ライセンス汚染(学習データに GPL 等のコードが含まれる懸念)、③微妙なロジックミス——などのリスクがあるのよ。
雪村 ましろ
AI が自信満々に間違えちゃうこともあるんだよねぇ…それがハルシネーション…
香月 リサ 先生
ましろちゃん、よく覚えていたわね。
コードでも同じ。
存在しないライブラリ関数を呼び出す、古いAPI仕様で書く、といったハルシネーションが発生するの。
戸倉 ジャスミン
へぇ〜、完璧じゃないんだ。
使うときは自分で確認しないと、ってことか…。
香月 リサ 先生
あらあら、ジャスミンちゃん、慎重な姿勢、偉いわ。
ふふ。
試験的には「コード生成 AI=コードを自動生成・補完」「Copilot は Codex ベース」「人間レビュー必須」の3点ね。
コード生成はプログラマーの日常を変えたけれど、「楽になる」というより「担う仕事の質が変わる」と捉えるのが実態に近いのよ。
深見 つむぎ
補足: 最近は「仕様から AI がアプリ全体を作る」というエージェント型の AI コーディングも実用段階に入っていて、ソフトウェア開発のスタイル自体が再定義されつつあります。
確認クイズ
GitHub Copilot のベースとなったコード生成モデルはどれか。
- BERT
- Codex
- CLIP
- Whisper
こたえを見る
正解: 2. Codex
GitHub Copilot は OpenAI の Codex(GPT ベースのコード生成モデル)を基礎にしています。BERT は文理解、CLIP は画像・テキストマッピング、Whisper は音声認識で役割が異なります。
