GMの自動運転部門でエンジニアリング業務を担当するRashed Haq氏は、VB Transform 2026の登壇で、開発者がコードを書く時間は全体の15%にとどまると説明しました。残り85%では、車両データの分析、課題の振り分け、実験の実行、修正案のテストなどが行われるとしています。GMはこの比率を踏まえ、AIコーディング支援の追加ではなく、工程全体をエージェント中心に作り替えました。結果として、自動運転の開発組織でマージされたプルリクエストが約3倍になり、リリースの速度が上がり、後工程に不具合が流出する件数も減ったと述べました。Haq氏は、チャットボットのように単機能で渡すだけでは非効率が残るとし、模擬環境での開発・テスト、一般道路でのテスト、顧客納車後のモニタリングという各ループで最長のボトルネックを自動化して反復したと語りました。さらに、エージェントには社内ツールや膨大なデータを、カスタムしたModel Context Protocol（MCP）サーバー経由で接続し、タスク手順を管理するバージョン管理スキルも用意しました。車両テレメトリでは、エージェントが初期トリアージを行い、影響部品の特定や類似事例の検索を踏まえてエンジニア向けの情報を作成します。権限は利用するエンジニアの権限に連動させ、出力の責任はエンジニアが負う仕組みです。加えて背景エージェントで機械学習実験を並列実行し、エンジニアが条件を定義して結果を収集します。GMはエージェント基盤を製品として扱い、導入を支援する4名のエンジニアが各チームに入り、成功事例の展開と定着を進めたとしています。Haq氏は、速度向上だけでなく、リリース前のテストや性能測定を構造化・非構造化の両面で実施し、測定が意図を捉えているかを確認してから次工程へ進めている点を強調しました。最初は控えめな生産性向上を見込んでいたが、想定以上にできることが大きかったと振り返りました。
参照元：2026/07/29 「GM redesigned its engineering workflows around AI agents — and tripled its merged pull requests」 https://venturebeat.com/orchestration/gm-redesigned-its-engineering-workflows-around-ai-agents-and-tripled-its-merged-pull-requests
この記事へのリアクション
このニュースをどう受け止めましたか？
コメント