はじめに
先日、エンジニア組織でのAI活用に関するセミナーを視聴しました。しかし、初心者の自分にはわからないことも多く、「なんかすごいことやってるなぁ…（小並感）」という感想しか出てきませんでした。
備忘録として、知っているものも含めて簡単に用語を整理してみようと思います。
AI Agent
AI Agent は、特定の目的に応じて自律的に動作する AI システムのことを指します。たとえば、
・チャットボット（カスタマーサポートやFAQ対応）
・自動コードレビュー（PRのチェックやリファクタリング提案）
・タスク自動化（スケジュール管理、ドキュメント生成など）
最近では、エンジニアリング業務でも AI Agent を活用し、作業を効率化する取り組みが増えています。
Copilot
GitHub Copilot は、AI を活用したコード補助ツールです。OpenAI の Codex をベースにしており、
・コードの自動補完
・関数の提案
・コメントからコード生成
といった機能を提供します。
単純な補完だけでなく、「この関数のテストコードを書いて」などの指示にも対応できるため、開発の効率が大きく向上します。
CodeQL
CodeQL は、GitHub が提供するコード解析ツールです。SQL に似たクエリ言語を用いてコードをスキャンし、セキュリティの脆弱性やバグを検出できます。
・静的解析 によるバグや脆弱性の発見
・カスタムクエリ を作成して特定のコードパターンを検出
・GitHub Actions との統合 により、CI/CD パイプラインに組み込み可能
セキュリティ対策の一環として、特に大規模プロジェクトでの導入が進んでいます。
RAG（Retrieval-Augmented Generation）
RAG（検索拡張生成） は、検索技術と生成 AI を組み合わせた手法です。AI が事前に学習したデータだけでなく、リアルタイムの情報を検索しながら回答を生成するため、より正確で最新の情報を提供できます。
エンジニアリングの分野では、
・ドキュメント検索の強化（社内ナレッジベースやAPIドキュメントの参照）
・コード補完の精度向上（プロジェクト内の過去コードを参照しながら提案）
といった用途で活用されつつあります。
DORA
DORA（DevOps Research and Assessment） は、ソフトウェア開発チームのパフォーマンスを測定するための指標を提供するフレームワークです。
Google Cloud の DevOps チームが開発し、以下の 4 つの指標が有名です。
・デプロイ頻度（Deployment Frequency） - どれくらいの頻度で本番環境にリリースしているか
・変更リードタイム（Lead Time for Changes） - コード変更が本番に反映されるまでの時間
・変更失敗率（Change Failure Rate） - デプロイ後に問題が発生する割合
・サービス復元時間（Time to Restore Service） - 障害発生時の復旧までの時間
この指標を活用することで、開発チームの改善ポイントが明確になり、より効率的な開発が可能になります。
終わりに
エンジニアってコード書いている時間よりも、周辺作業に多くの時間を費やしているいますよね。
PR のタイトルや説明文の自動生成は、地味ですが非常に便利だと感じました。
PR 作成のような簡単な作業でも、一つ一つが積み重なると大きな時間になるため、こうした部分から生成AIを活用していきたいと思いました。
また、活用と同時に、定性的評価と効率化による定量的評価の難しさも感じました。
テストの自動生成や AI によるコードレビューの分野はまだ発展途上であり、どこまで信頼できるのかが課題として残っているように思います。
今後は AI 活用の進化とその評価基準についても注目しつつ、エンジニア業務の効率化に役立つ情報を整理していきたいです。