GitHub（企業）に関するニュース一覧

マイクロソフトは2025年9月23日、アプリケーションの近代化と移行を加速させる新しいエージェント型AIツールを発表しました。GitHub CopilotとAzure Migrateに搭載される新機能で、レガシーシステムの更新という企業の大きな課題に対応します。自律型AIエージェントがコード分析から修正、展開までを自動化し、開発者の負担を軽減。これにより、従来は数ヶ月を要した作業を数日で完了させ、企業のイノベーションを後押しします。 中核となるのはGitHub Copilotの新機能です。Javaと.NETアプリケーションの近代化を担う自律型AIエージェントが、レガシーコードの更新作業を自動化します。従来は数ヶ月かかっていた作業が数日で完了可能になります。AIが面倒で時間のかかる作業を代行するため、開発者は付加価値の高いイノベーション活動に集中できるようになります。Ford Chinaではこの機能で70%の時間と労力を削減しました。 AIエージェントは、.NETとJavaの最新バージョンへのアップグレードを具体的に自動化します。コードベースを分析して非互換性の変更点を検出し、安全な移行パスを提案します。依存関係の更新やセキュリティ脆弱性のチェックも自動で実行するため、開発者は手動での煩雑な作業から解放されます。これにより、パフォーマンスやセキュリティの向上が迅速に実現できます。 Azure Migrateにも、チーム間の連携を円滑にするエージェント型AI機能が追加されました。移行・近代化プロジェクトが停滞する原因となりがちなIT、開発、データ、セキュリティ各チームの足並みを揃えます。AIが主要なタスクを自動化し、ガイド付きの体験を提供するため、特別な再教育なしで迅速な対応が可能です。 新しいAzure MigrateはGitHub Copilotと直接連携し、IT部門と開発者が同期して近代化計画を立案・実行できるようになります。アプリケーションポートフォリオ全体の可視性も向上し、データに基づいた意思決定を支援します。新たにPostgreSQLや主要なLinuxディストリビューションもサポート対象に加わり、より多くのシステム移行に対応します。 マイクロソフトは技術提供に加え、新プログラム「Azure Accelerate」を通じて企業の変革を包括的に支援します。このプログラムでは、専門家による直接支援や対象プロジェクトへの資金提供を行います。企業のクラウド移行とAI活用を、技術、資金、人材の全ての面から後押しする体制を整えました。

Amazon Web Services（AWS）は、企業がカスタム構築した機械学習（ML）環境の柔軟性を維持しつつ、MLライフサイクル全体のガバナンスを強化する新手法を発表しました。多くの企業はコンプライアンスや独自アルゴリズムの最適化といった特殊な要件から、標準プラットフォームではなく独自の開発環境を構築します。しかし、こうした環境はMLライフサイクル管理の複雑化という課題を抱えていました。 この課題を解決するのが、AWS Deep Learning Containers (DLCs) とAmazon SageMakerのマネージドMLflowの統合です。DLCsはTensorFlowやPyTorchなどのフレームワークが最適化されたDockerコンテナを提供し、特定の要件に合わせた開発環境の構築を容易にします。これにより、開発者はインフラ構築の手間を省き、モデル開発に集中できます。 一方、SageMakerのマネージドMLflowは、実験のパラメータ、メトリクス、生成物を自動で記録し、モデルの系統を完全に追跡します。これにより、インフラ維持の運用負荷を軽減しつつ、包括的なライフサイクル管理を実現します。誰が、いつ、どのような実験を行ったかを一元的に可視化・比較することが可能になるのです。 具体的な利用例として、Amazon EC2インスタンス上でDLCを実行し、モデルのトレーニングを行います。その過程で生成される全てのデータはマネージドMLflowに記録され、モデル成果物はAmazon S3に保存されます。開発者はMLflowのUIから、各実験の結果を直感的に比較・分析できます。 この統合の最大の利点は、モデルがどの実験から生まれたのかという来歴が明確になり、監査証跡が確立される点です。企業は、柔軟なカスタム環境でイノベーションを加速させながら、MLライフサイクル全体で高いガバナンスとコンプライアンスを維持できるようになります。本手法の詳細な実装手順やコードサンプルは、AWSが公開するGitHubリポジトリで確認できます。

ソフトウェア大手のAtlassianが、同社史上最大規模となる買収を発表しました。開発者の生産性を分析するプラットフォーム「DX」を、現金と制限付き株式を合わせ10億ドルで取得します。DXは企業のエンジニアリングチームの生産性を分析し、開発の妨げとなるボトルネックを特定するツールです。 DXは5年前に設立され、開発者が監視されていると感じることなくチームの生産性を向上させる手法を追求してきました。現在ではADPやGitHubなど350社以上の企業に導入されており、顧客基盤を毎年3倍に拡大するなど急成長を遂げています。 Atlassianは3年間にわたり同様のツールを内製しようと試みていましたが、外部企業の買収に舵を切りました。同社の共同創業者兼CEOのマイク・キャノン＝ブルックス氏は、DX顧客の9割が既にAtlassian製品を利用している点を挙げ、両社の親和性の高さを買収の決め手としています。 買収の背景には、AIツールの急速な普及があります。多くの企業がAI関連の予算を増やす中で、「投資が適切に行われているか」「生産性向上に繋がっているか」を測定する必要性が高まっています。DXの分析ツールは、こうした企業の重要な課題に応えるものと期待されています。 DXの創業者であるAbi Noda氏は、今回の買収に大きな期待を寄せています。Atlassianのツールと連携することで、データ収集・分析からボトルネック解消まで、一気通貫で顧客に価値を提供できる「エンドツーエンドの好循環」が実現すると述べています。DXのプラットフォームは、今後Atlassianの製品群に統合される予定です。

継続的インテグレーション・デリバリー（CI/CD）を提供するスタートアップBlacksmithは、シードラウンドからわずか4ヶ月で、Google Ventures（GV）主導のシリーズAラウンドを実施し、1000万ドル（約15億円）を調達しました。AI駆動のソフトウェア開発が加速する中、コードのリリース速度を劇的に高める同社の実績と市場拡大の可能性が評価され、GVは異例の速さで追加投資を決定しました。

Blacksmithの成長は目覚ましいものがあります。今年2月にわずか4人のチームでARR（年間経常収益）100万ドルを達成しましたが、現在は従業員8名体制でARRは350万ドルに急増しています。顧客数も700社を超えており、この短期間での確かな実績が、GVが短期間で大規模な追加投資を決断する決め手となりました。

同社の最大の強みは、従来のCI/CDプロセスが抱える高コストで予測不可能なテスト実行の課題を解消した点です。一般的なクラウドサービスをレンタルするのではなく、高性能なゲーミンググレードのCPUをベアメタル環境で活用しています。これにより、同社はリソースの経済性を完全に制御しています。

この独自のアプローチの結果、Blacksmithは顧客企業に対し、処理速度を最大2倍に高め、計算コストを最大75%削減できると主張しています。導入も容易であり、既存のコードを一行変更するだけで切り替えが完了します。これにより、企業は数分以内にコードの出荷プロセスを高速化することが可能です。

Blacksmithは、主にエンジニアを500人以上抱える大規模な開発チームをターゲットとしています。同サービスはGitHub Actionsと連携し、テスト分析や深い可視化機能を提供することで、既存のCI/CDプラットフォームを補完します。AIエージェントの普及は開発市場を広げ、同社の成長を後押ししています。

創業者は、Cockroach LabsやFaireなどの企業で大規模な分散システムを構築した経験を持ちます。CIにおけるビルドやユニットテストの非効率性を痛感した経験が、このサービス開発の原点です。今回のシリーズAには、Cockroach LabsのCEOら既存投資家も再参加しています。

元Twitterのプロダクト責任者であったケイボン・ベイクポー氏らが、AIを活用した新しいスタートアップ「Macroscope（マクロスコープ）」を立ち上げました。このサービスは、開発者やプロダクトリーダー向けに、複雑なコードベースの理解を助け、バグを自動で検出・修正するAIシステムを提供します。同氏は以前、ライブストリーミングアプリPeriscopeをTwitterに売却しており、その創業チームが開発者の生産性向上を狙い、満を持して再始動した形です。

CEOのベイクポー氏は、大規模組織において全員が何に取り組んでいるかを把握することが、自身の業務の中で最も困難だったと語ります。従来のJIRAやスプレッドシートといった管理ツールだけでは限界がありました。Macroscopeは、エンジニアがコード構築以外の雑務や会議に費やす時間を削減し、本来の創造的な作業に集中できるように設計されています。これは、あらゆる企業が直面する共通の課題です。

Macroscopeの基盤技術は、GitHub連携後にコードの構造を表現する抽象構文木（AST）を用いたコード解析です。この深い知識と大規模言語モデル（LLM）を組み合わせることで、精度の高い分析を実現します。開発者は、自身のプルリクエスト（PR）の自動要約や、PR内の潜在的なバグの発見と修正提案をリアルタイムで受け取ることができます。

プロダクトリーダーや経営層にとっては、チームの生産性状況や、プロジェクトの進捗を迅速に把握できる点が重要です。Macroscopeを通じて、自然言語で「今週何が完了したか」といった質問をコードベースに対して直接投げかけられます。これにより、熟練エンジニアの時間を割くことなく、リソース配分の優先順位付けや製品のリアルタイムな更新状況を把握可能です。

Macroscopeはコードレビュー分野で競合が存在しますが、独自ベンチマークで優れたパフォーマンスを示しています。100件以上の実環境のバグを用いたテストでは、競合ツールと比較してバグ検出率が5%高く、かつ自動生成されるコメントが75%少ない結果となりました。これは、精度の高い結果を出しつつも、ノイズが少なく、開発者のレビュー負担を軽減できることを示します。

Macroscopeは、既にXMTPやBiltなど複数のスタートアップや大企業での導入実績があります。料金体系は、アクティブな開発者一人あたり月額30ドルからとなっており、大規模企業向けにはカスタム統合も提供されます。同社は2023年7月の設立以来、合計4,000万ドルを調達しており、Lightspeedが主導した3,000万ドルのシリーズA資金調達により、今後の成長が期待されています。

マイクロソフト（MS）は、開発者向け主力ツールであるVisual Studio Code（VS Code）およびGitHub CopilotのAIモデル戦略を転換しました。社内ベンチマークの結果に基づき、OpenAIのGPT-5ではなく、AnthropicのClaude Sonnet 4を、最適なパフォーマンスを発揮するモデルとして優先的に採用しています。

VS Codeには、利用状況に応じて最適なモデルを自動選択する新機能が導入されました。特にGitHub Copilotの有料ユーザーは、今後主にClaude Sonnet 4に依存することになります。これは、コーディングや開発タスクにおける性能最適化を最優先した、MSの明確な方針転換と言えます。

MSの開発部門責任者はすでに数カ月前、開発者に向けてClaude Sonnet 4の使用を推奨する社内メールを出していました。このガイダンスは、GPT-5リリース後も変更されていません。同社は、内部テストにおいてAnthropicモデルが競合製品を上回る実績を示したことが、採用の主要な根拠だと説明しています。

Anthropicモデルの採用拡大は、開発環境に留まりません。Microsoft 365 Copilotにおいても、ExcelやPowerPointなどの一部機能でClaudeモデルが導入される計画です。これらのアプリケーション内での特定のデータ処理や推論において、AnthropicモデルがOpenAIモデルよりも高い精度を示したためです。

MSはOpenAIの最大の投資家である一方、AIモデルの調達先を戦略的に多様化しています。これは、特定のベンダーへの依存を避け、製品ポートフォリオ全体で最高のAI体験をユーザーに提供するための戦略的判断です。また、MSは自社開発モデル（MAI-1）への大規模な投資も継続しています。

Googleは9月16日、AIエージェントがユーザーに代わって行う購入を対象としたオープンプロトコル「Agent Payments Protocol (AP2)」を発表しました。この新規格は、AIプラットフォーム、決済システム、小売業者の間で高い相互運用性を確立し、全ての取引履歴に監査可能な追跡記録を提供することを目的としています。既にMastercard、American Express、PayPalを含む60以上の主要金融機関や小売業者が支持を表明しており、AI駆動型コマースの基盤となることが期待されます。

AP2は、AIエージェントがリアルタイムで複雑な取引や交渉を行う未来を想定して設計されました。例えば、ユーザーの要望に応じてエージェントが航空会社やホテルのエージェントと同時に連携し、予算内に収まるパッケージを自動で予約するといったケースです。GoogleはGitHubで仕様を公開しており、オープンな共同プロセスを通じて、決済・テクノロジーコミュニティ全体での普及を目指しています。

AIエージェントが自律的に購入を遂行する際の最大の懸念は、意図しない取引や詐欺リスクです。AP2はこのリスクに対処するため、購入前に二段階の承認プロセスを要求します。まず「Intent Mandate（意図の委任）」で検索・交渉権限を与え、次に特定のオファーが見つかった際に「Cart Mandate（カートの委任）」で最終購入を承認します。

特に重要なのは、全てのプロセスで監査可能な追跡記録（オーディット・トレイル）が保持される点です。これにより、不正が発生した場合でも経緯を再調査できます。また、より詳細な意図を設定することで、価格上限などを指定した完全自動購入も可能です。さらに、暗号資産ウォレットからの購入を可能にする拡張機能も協力企業と共に提供されています。

AIコードレビュープラットフォームを提供するCodeRabbitは、シリーズBラウンドで6000万ドル（約90億円）を調達し、企業評価額を5億5000万ドル（約825億円）としました。設立からわずか2年でこの評価額に達した背景には、GitHub Copilotなどに代表されるAIによるコード生成の普及で、レビュー工程が新たなボトルネックとなっている現状があります。この資金調達はScale Venture Partnersが主導し、NvidiaのVC部門も参加しています。

CodeRabbitは、増加するAI生成コードのバグに対処し、開発チームの生産性向上に貢献しています。同社の年間経常収益（ARR）は1500万ドルを超え、月次20%という驚異的な成長率を維持しています。Chegg、Grouponなど8,000社以上の企業が既に導入しており、急速に市場のニーズを取り込んでいることがわかります。

AIによるコード生成は効率を高める一方、その出力はしばしばバグを含み、シニア開発者がその修正に時間を費やす「AIのベビーシッター」状態を生み出しています。CodeRabbitは、企業の既存のコードベース全体を深く理解することで、潜在的なバグを的確に特定し、人間のように具体的なフィードバックを提供します。

創業者であるハージョット・ギル氏によると、CodeRabbitの導入により、企業はコードレビューに携わる人員を最大で半減できる効果が見込めるとしています。これは、開発サイクルにおける最も時間のかかる作業の一つであるコードレビューの効率化をAIが担うことで実現されます。

AIコードレビュー市場では、Graphite（5200万ドル調達）やGreptileなど、有力な競合が存在します。しかし、CodeRabbitは AnthropicのClaude Codeなどのバンドルソリューションと比較して、より包括的かつ技術的な深みがあると主張し、スタンドアローン製品としての優位性を強調しています。

開発者がAI生成コードに依存する度合いが高まるにつれ、その信頼性を担保するためのAIコードレビューの需要はさらに拡大する見通しです。CodeRabbitが提示する高精度なレビュー機能が、今後のソフトウェア開発における必須インフラとなる可能性を示唆しています。

OpenAIは、エージェント型コーディングに特化した新モデル「GPT-5-Codex」を発表し、開発環境Codexを大幅にアップグレードしました。これはGPT-5を実世界のソフトウェアエンジニアリング作業に最適化させたバージョンです。開発者はCLI、IDE、GitHub、ChatGPTアプリを通じて、より速く、信頼性の高いAIアシスタントを活用できるようになります。

最大の進化は、タスクの複雑性に応じて思考時間を動的に調整する能力です。GPT-5-Codexは、大規模なリファクタリングやデバッグなどの複雑なタスクにおいて、最長7時間以上にわたり独立して作業を継続できることが確認されています。これにより、長期的なプロジェクトの構築と迅速なインタラクティブセッションの両方に対応します。

モデルは、既存のコードベース全体を理解し、依存関係を考慮しながら動作検証やテスト実行が可能です。特にコードレビュー機能が強化されており、コミットに対するレビューコメントの正確性と重要性が向上。重大な欠陥を早期に特定し、人間のレビュー工数を大幅に削減します。

開発ワークフローへの統合も一層強化されました。刷新されたCodex CLIとIDE拡張機能（VS Codeなどに対応）により、ローカル環境とクラウド環境間でシームレスに作業を移行できます。コンテキストが途切れないため、作業効率が劇的に向上します。

さらに、Codexは画像やスクリーンショットを入力として受け付けるようになりました。これにより、フロントエンドのデザイン仕様やUIバグなどを視覚的にAIへ共有し、フロントエンドタスクの解決を効率化します。また、GitHub連携によりPRの自動レビューや編集指示も可能です。

安全性確保のため、Codexはデフォルトでサンドボックス環境で実行され、ネットワークアクセスは無効です。プロンプトインジェクションのリスクを軽減するとともに、開発者はセキュリティ設定をカスタマイズし、リスク許容度に応じて運用することが可能です。