ITmedia AI＋
生成AI
生成AIでコーディング効率化！→待っていたのは“失敗の日々”　とあるITエンジニアとAIの試行錯誤の記録

生成AIでコーディング効率化！→待っていたのは“失敗の日々”　とあるITエンジニアとAIの試行錯誤の記録（3/3 ページ）

公開 2024年07月12日 12時01分

更新 2026年05月14日 20時22分

[ITmedia]

印刷する Googleで優先するソースとして追加

　そこで行き着いたのが「エラーメッセージを読んでもらう」という方法だ。出力形式毎に専用のライブラリで検証させれば、検証結果としてエラーメッセージが返ってくる。それを生成AIに与えフィードバックしていくことで、失敗に対応するためのプロンプトやコードの量が減り、開発が楽になったという。

　「これまでは僕はエラーメッセージは人間が読むものだと思っていた。その意味を理解して挙動を変えていくのは人間の特権だと思っていたため、AIに読み込ませるという発想には至らなかった」

　最後になる3つ目の要因は「失敗が十分に減らない」ことだ。当初、山西さんは成功率8～9割でなければ人間側の負荷が増えるため、生成AIによる効率化は実現できないと考えていた。しかし、生成AIを触っていく中で、実戦で育つ仕組みを作って徐々にAIが成長できる環境であれば実務に導入しても問題ないのでは、という考えに変わっていったという。

　そこで山西さんは、生成AIが読み込めるQ＆A集を作成。タスクに失敗するたびにこれを更新していくようにした。AIにこれを読み込ませることで出力が改善するケースも見られたという。これについて山西さんは「最初は手間がかかるが、いずれ成長して役に立ってくれるならアリだと感じた」と話す。

Q＆A集の例

　これらの試行錯誤を通した現状の成果として、型注釈のタスク全体の成功率は30％と説明。当初の目標である成功率8割はまだまだ達成できていないと正直に話す。しかし、小さく分解した差分編集のタスクの成功率は80％ほどとなり、希望を見いだせたという。

3カ月間運用した結果

「生成AIは人間によく似ている」

　生成AIを業務導入に取り組んだ感想として「生成AIは人間によく似ているのではないか」と山西さんは総括する。例えば、前述の失敗要因の一つ「失敗率が高い」点は、“指示にどれだけ忠実か”ということに関連する。この点でいえば、従来のプログラムであれば指定した通りの振る舞いをするため、忠実度は高いといえる。

　一方、生成AIは人の意図を必ずしも全てくみ取ってくれるわけではないため、忠実度は従来のプログラムほど高くないともいえる。とはいえ、この点は人も同様と山西さん。他にも、失敗の克服法が学習であることや、タスクの品質にばらつきがある点も人と生成AIの類似点ではと話す。

人間・生成AIとプログラムの比較

　以上の気付きから、生成AIは従来のプログラムのように扱うのではなく、もっと人間らしく扱うことでさまざまな活路が開けるのではないかと、山西さんは提案する。

　山西さん自身も、今後の生成AIの業務活用については「生成AIがチームメンバーならどうする？」という仮定で進めていく方針という。Q＆A集への書き込みをAI自身が行える方法や、人間が作成しマージされたPRの差分データを学習データとして使い、AIをファインチューニングする「人の背中を見て学ぶ」に近い仕組みを構築。いずれは組織の一員として生成AIを迎えられる可能性もあるのではないかと、山西さんは期待を寄せている。