メインコンテンツへスキップ
見出し画像

GitHub Copilotに何を任せる?依頼文とレビューで始めるAI開発【2026年11月版】

    「GitHub Copilotを入れたが、補完機能だけで終わっている」

    「AIに修正を任せたい。でも、どこまで頼めばよいか分からない」

    「コードは出てきた。仕事として完成したのか判断できない」

    ——AIが変更案を作れるようになると、依頼する側にも受け取り方の準備が必要になります。

    GitHub公式はCopilotについて、コードの提案や質問への回答に加え、作業の調査、変更、プルリクエストの準備などを担うAIアシスタントと説明しています。利用できる機能はプラン、利用環境、組織のポリシーによって異なります。GitHub Copilotの公式説明

    結論から言います。最初に任せるなら、完了条件を具体的に書けて、人が結果を確かめられる小さな修正が適しています。

    この記事では、依頼文の例、レビューの役割分担、試行時の測り方を紹介します。架空の社内アプリを題材にした運用提案であり、導入企業の実績紹介ではありません。公式情報の確認日は2026年11月7日です。読み終わったら、最初に任せる作業と受け取り条件を書き出せます。


    1.補完、コードレビュー、作業を進めるエージェントを分ける

    Copilotを検討するときは「AIを入れる」という一括りから、どの仕事を任せたいかへ分解してみましょう。

    入力中のコード候補が欲しいなら、補完が対象になります。既存のコードの意味を知りたいなら、質問・説明を受ける使い方があります。変更案への指摘が欲しいならコードレビュー。依頼した課題を調べ、ファイルを変更して提出するところまで進めたいなら、エージェントによる作業が対象です。

    この記事が中心に扱うのは、GitHub上で依頼した作業を進めるCopilot cloud agentです。公式資料では有料Copilotプランで利用可能とされていますが、対象リポジトリや組織設定などによる制約があります。実際に使う前に、自社の契約・管理画面・対象リポジトリで利用条件を確認してください。作業依頼に関する公式ガイド

    経営者や事業責任者が押さえたいのは、担当者の作業のどこを助けるかです。例えば、既存コードの理解に時間がかかるなら説明の支援、細かな修正が積み残されているなら変更案の作成、レビュー待ちが長いならレビュー工程の整理が候補になります。

    コードを作る時間だけが短くなっても、その後に確認待ちが積み上がれば、業務で使えるまでの期間は縮まりません。AIの導入対象を決めるときは、依頼、実装、確認、反映の流れを並べ、どこで止まっているかを見ます。これは機能の優劣を決める話ではなく、自社の作業に合う使い方を選ぶための見方です。

    2.最初の1件は、狭くて確かめやすい修正にする

    試行の題材として、架空の「社内申請フォーム」を考えます。最初の依頼は「送信後の画面に、問い合わせ先を表示してほしい」。画面上の変化を確認しやすく、対象も限られています。

    これに対して「申請業務を全部便利にして」「承認を完全自動化して」という依頼では、何が完成かを決めにくくなります。判断の基準を、AIが補って作業を進める余地も広がります。まずは利用者の困りごとを一つに絞ります。

    候補を選ぶときは、次の問いに答えられるかを見ます。

    • 変更する前と後の違いを、具体例で説明できるか。

    • 対象の画面やファイルをある程度絞れるか。

    • 架空データや検証環境で結果を確かめられるか。

    • 確認する担当者が決まっているか。

    • 問題があった場合の戻し方を、担当者が説明できるか。

    説明文の修正、操作案内の追加、範囲が明確な不具合の修正などが候補になります。ただし、説明文でも契約条件に関わる内容なら、業務上の確認が必要です。「コードの変更が少ないから影響も小さい」とは限りません。

    GitHub公式のガイドも、明確な課題、受け入れ条件、対象ファイルなどの情報を示すことを勧めています。本記事では、その考え方を社内で使える依頼票に置き換えます。AIに任せる前に依頼を整理する時間は必要ですが、その記録は人に依頼するときにも使えます。

    2.最初の1件は、狭くて確かめやすい修正にする

    3.そのまま書き換えて使える、依頼文の例

    Issueなどに書く依頼は、背景と完了条件を分けると読みやすくなります。以下は実在のシステムではなく、研修用の例です。画面名や文言を自社の題材に置き換えてください。

    依頼:申請完了画面に問い合わせ先を追加する。

    背景:申請した社員が、送信後に誰へ連絡すればよいか分からない。

    対象:社内申請フォームの申請完了画面。実装箇所は既存コードを調べて特定する。

    完了条件:申請が成功したときだけ「お問い合わせは総務担当へ」と表示する。スマートフォン幅でも文が切れない。申請に失敗した画面には表示しない。

    変更しないこと:申請データの保存方法、承認権限、通知先、既存の入力項目。

    確認:成功時・失敗時・スマートフォン幅で検証する。実データを使わず、既存のテストがある場合は関連するテストも実行する。

    提出時:変更点、確認結果、未確認事項をプルリクエストに記載する。本番への反映は担当者が行う。

    この依頼の要点は、画面に一文を追加する話を、申請全体の改修へ広げないことです。成功時と失敗時を分けているので、見た目だけで完了したことにせず、条件に応じた動作を確認できます。

    対象ファイルが分からない場合に、推測で名前を書く必要はありません。どの画面で、誰が、何をしたときに起こる問題かを書く方が役立ちます。AIが調査した結果を見てから変更方針を決める進め方もあります。

    また、「使いやすく」「いい感じに」だけでは受け取り条件として弱くなります。例えば「画面の横幅が狭くても全文が読める」「失敗時には成功の案内を出さない」のように、確認できる表現へ直します。

    最初から長い指示書を作り込むより、必要な条件が落ちていないかを担当者同士で確認する方が実用的です。依頼文の長さそのものが、成果の良し悪しを決めるわけではありません。

    3.そのまま書き換えて使える、依頼文の例

    4.AIへの共通指示と、今回だけの依頼を分ける

    同じプロジェクトで毎回伝えることには、テストの実行方法、ファイルの構成、コードの規約、変更時の注意点などがあります。こうした共通情報と、今回追加したい機能の話を混ぜると、依頼文が読みにくくなります。

    GitHubの公式ガイドでは、リポジトリにカスタム指示を置き、プロジェクトの理解やビルド、テスト、検証を助ける方法が紹介されています。代表的なファイルが .github/copilot-instructions.md です。対応する指示の種類や適用範囲は、使う機能の公式資料で確認します。カスタム指示を含む公式ガイド

    例えば、共通指示には「既存の構成に沿う」「検証用データを使う」「実行したテストと未実行のテストを分けて報告する」といった方針をまとめます。具体的なビルドやテストのコマンドは、実際のプロジェクトを確認した技術担当者が記載します。この記事の例を、そのまま全社の技術規約にする必要はありません。

    今回だけのIssueには「申請完了画面に問い合わせ先を出す」と書きます。共通指示が整っていれば、毎回プロジェクトの説明を最初から繰り返す負担を減らす運用ができます。

    ただし、指示ファイルはアクセス権限を強制する仕組みではありません。「本番には触れない」と文章で書くことと、本番へ接続できない権限にすることは別です。文章による依頼と、システムの権限設定を、それぞれ担当者が整えます。

    共通指示も更新が必要です。使わなくなったコマンドや古い構成が残ると、AIにも新しい担当者にも誤った前提を渡します。導入時に一度作って終わりにせず、作業手順が変わったときに一緒に見直します。

    5.レビューは、業務確認・技術確認・反映判断に分ける

    AIがプルリクエストを提出したら、依頼した人が受け取り条件に沿って確認します。GitHub公式も、Copilotの変更をマージする前に十分にレビューするよう案内しています。Copilotの出力確認

    私たちが提案する役割分担は次の3つです。小さなチームでは同じ人が兼任する場合もありますが、何を確認したかは分けて残します。

    業務確認では、依頼した目的が満たされたかを見ます。今回なら、申請が成功したときだけ案内が出るか、案内先が社内運用と合っているか、スマートフォンで読めるかです。利用部門が担いやすい確認です。

    技術確認では、変更範囲、既存機能への影響、入力や権限の扱い、テスト結果などを確認します。画面に文言が出ているだけでは判断できない部分を、技術担当者が見ます。AIの説明と実際の変更に食い違いがないかも対象です。

    反映判断では、いつ利用環境へ入れるか、問題があればどう戻すか、問い合わせを誰が受けるかを決めます。マージと本番反映が連動するプロジェクトなら、その設定を踏まえて判断します。

    GitHub Actionsを設定すれば、変更に伴うビルドやテストなどを自動実行できます。ただし、設定しなければ必要な検査が勝手にそろうわけではありません。何を検査しているか、実際に実行されたかを確認します。GitHub Actionsの公式説明

    Copilotからの変更に対するActionsの実行は、設定により承認が必要な場合があります。待機中の検査を「問題なし」と読み替えないことも、受け取り側の確認事項です。実行設定を変える場合は、ワークフローが扱う権限や秘密情報も技術担当者が確認します。

    コードレビュー用のCopilotも利用できますが、AIの指摘を読んだことだけで業務の受け取りが完了するわけではありません。確認できなかった条件は、未確認として明記します。レビューの記録には「確認済み」「追加修正が必要」「未確認」を分けて書くと、次に誰が動くかが分かります。

    5.レビューは、業務確認・技術確認・反映判断に分ける

    6.効果は「コード生成の速さ」より、受け取りまでで測る

    最初の試行で記録したいのは、依頼を書いた時間、AIが作業した時間、人が確認・修正した時間、実際に使えるまでの経過時間です。これらを一つに混ぜると、どこが改善したかを見失います。

    例えば、次は説明用の仮定です。これまで人の実装が120分、確認が30分だった作業に対し、AI利用後は依頼の整理が20分、人の修正が25分、確認が35分になったとします。人が使った時間は150分から80分へ、1件あたり70分減った計算です。

    一方で、AIの処理待ちやレビュー待ちが加わるので、依頼から完了までの経過時間が同じだけ減るとは限りません。さらに、月額費用、従量費用、導入時の学習時間もあります。先ほどの70分は実績値ではなく、測る項目を説明するための試算です。

    自社で記録するなら、次の形が使えます。

    人の作業時間の差分=従来の実装・確認時間-AI利用時の依頼整理・人の修正・確認時間

    ここに担当者の時間単価を掛けると、時間を金額換算した目安が出せます。ただし、空いた時間がそのまま現金支出の削減になるとは限りません。追加案件へ回せたか、滞っていた改善へ使えたかまで見て、事業上の効果を判断します。

    比較する作業の難しさが違えば、単純な平均だけで結論は出せません。文言変更、不具合修正、テスト追加など、作業の種類を分けて記録します。修正のやり直しや、後から見つかった不具合も残しておくと、速さだけを評価する偏りを減らせます。

    料金は契約や利用量で変わるため、導入時にはGitHubの現行プランと自社の利用明細を確認してください。本記事の試算に、特定の月額料金や利用枠は織り込んでいません。

    7.最初の2週間で、社内に残したいもの

    ここからは、試行を進める場合の運用例です。期間は目安であり、完了を約束するものではありません。

    最初の数日は、対象のリポジトリ、使える機能、確認担当者、題材を決めます。アカウントに機能が表示されることだけで始めず、対象のコードをその環境で扱ってよいか、検証環境が使えるかを確認します。

    次に、小さな変更を一件だけ依頼します。前述の依頼文を使い、完了条件と対象外を整理します。結果を受け取ったら、AIの説明を読むだけでなく、変更の差分と確認結果を担当者が見ます。

    一件が終わったら、同じ種類の別の作業で試します。最初の成功だけで全社展開を決めるより、依頼に足りなかった情報や、確認に時間がかかった点を残す方が、次の判断材料になります。

    2週間後に残したいものは、社内用の依頼文のひな型、レビュー項目、実際の作業時間、任せやすかった作業と任せにくかった作業の記録です。「AIを触ったことがある人」を増やすだけでなく、次の担当者が同じ流れを再現できる状態を目指します。

    もし確認する人の負担が大きくなったなら、対象をさらに小さくする、依頼条件を見直す、検証環境を整える、といった改善を選べます。モデルを変えることだけが対策ではありません。どこで手戻りが起きたかを記録してから判断します。

    GitHub Copilotへの最初の依頼は、狭い変更と具体的な完了条件から始めると、結果を受け取りやすくなります。依頼、確認、利用環境への反映までを一巡させ、その記録を次の仕事に使ってください。企業研修でも、この一連の業務を題材にすると、操作の習得と社内での使い方を結びつけられます。

    会社概要

    執筆:日本AI開発センター株式会社

    私たちは島根(本社)・東京・鳥取を拠点に、広島など中国地方も含めて、累計150社以上の中小企業〜上場企業のAI導入、活用を支えてきました。

    強みは2つです。AIエンジニアを基盤とした組織体制、技術力で、汎用ツールでは届かない「自社専用のAI」まで作れること。そして、研修やツール導入で終わらせず、毎日の業務で本当に使われるようになるまで伴走や開発をすること。

    「うちの業務の切り出し、どう仕組み化すればいい?」。その工程の見直しから、一緒にやります。

    ▶️無料カウンセリング・AI活用診断のご予約

    ▶️サービス資料・無料相談はこちら

     
     
    経産省認定のAIベンチャーです。企業様向けAI導入支援 累計200社以上のAI導入、開発を支援 「導入したけど使われてない」を防ぐ伴走型支援や開発を得意としています。 ▼サービス資料・無料相談はこちらから https://jadc.tech/request

    あなたへのおすすめ