世界中にAIの機会を拡大する：GitHubとAndelaからの学び

世界中に開発者の才能は溢れています。しかし、歴史的に見て不平等だったのは、産業を再構築する新興技術へのアクセスや、メンターシップ、そしてそれらの技術が業界を変革する際の支援でした。アフリカ、南米、東南アジアなどの地域の開発者は大規模な製品を構築できますが、新興ツールや学習パスへのアクセスは地理的要因や雇用主によって大きく異なります。 Andela は、居住地が機会のアクセスを決定すべきではないという信念に基づいて構築されたグローバルなタレントマーケットプレイスです。過去 2 年間にわたり、GitHub と Andela は協力して、Andela の 550 万人規模のグローバル・タレント・ネットワーク全体に構造化された AI アクセスの拡大に取り組んできました。現在までに、3,000 人の Andela エンジニアが、Andela の AI アカデミーを通じて GitHub Copilot のトレーニングを受講しています。 2024 年から、Andela は複雑なプロダクション・システムの日常業務に直接関わるアフリカとラテンアメリカの特定の開発者に対して、構造化された AI トレーニングの展開を開始しました。AI を単独の実験として扱うのではなく、このプログラムは Copilot を IDE 環境内やプルリクエストレビュー、活発なリファクタリング作業など、日常の開発プロセスに直接統合し、実際のプロダクション・制約下で評価されることを確保しています。 このアプローチが実際にどのように機能したかを理解するために、私たちは Andela の開発者に話を聞きました。以下では、彼らが AI を実際の生産システムに導入し、あなたが独立して実験する場合でも職場で AI ツールを統合する場合でも適用できるモデルを特定する方法について学びます。 グローバルな開発者が今日直面する課題 アフリカ、南米、東南アジアなどの地域の開発者は、AI のスキルアップとリスキリングにおいて特有の課題に直面しています。 多くの開発者は、信頼性の低い接続、高性能コンピューティングへのアクセス制限、および学習や実践に必要な現代 AI の基盤となるクラウドツールやデータの高額なコストといった問題に直面しています。トレーニングコンテンツは往々にして資源が豊富な環境向けに設計されており、恒久的なインターネット接続を前提としており、言語、文脈、または地域のユースケースのためにローカライズされることはほとんどありません。同時に、多くの開発者は非公式または契約ベースの仕事を営んでおり、リスキリングに時間や財政的な余裕を割くことが難しい状況にあります。 手頃な価格でのアクセス、ローカライズされた学習パス、そしてコミュニティ主導のエコシステムへの意図的な投資がなければ、AI の急速な進展は既存の不平等を広げるリスクがあり、世界中の才能ある開発者が AI の未来に完全に参加し、形作り、恩恵を受けることから排除されることになります。 実際の業務の中で AI を学ぶ 中堅キャリアの多くの開発者にとって、AI ツールの実験のために生産責任から離れることは現実的ではありません。納期は続き、システムは稼働し続け、評判は時間をかけて築かれます。そのため、学習は実際の業務の中で行われなければなりません。 多くの組織では、AI ツールリングが広く提供され、チームに実験を促されます。アクセス権限さえあれば十分だと考えられています。しかし、どの役割が最も恩恵を受けるのか、どのような職務を対象としているのか、レビュー基準がどのように進化していくのかという明確さがない場合、導入は停滞したり分断したりする可能性があります。 Andela は異なるアプローチを取りました。開発者は AI がその責任にどれだけ関連しているかに基づいて特定され、職務プロファイルが定義され、トレーニングプログラムは開発者が実際に維持の責任を負う実際のシステムを反映したものでした。 これは、Andela のチームが開発者がほとんどゼロから始めることはめったにないと知っているからです。むしろ、彼らは過密でリスクの高いシステムの中で作業しており、ミステイクには結果が伴います。世界中の多くのエンジニアにとって、新興ツールを使った構造化された実験へのアクセスが常に保証されているわけではありません。そのため、実際の業務内での学習は必要不可欠であり、重大な意味を持ちます。 ルワンダで働き、カメルーン出身の React 開発者である Stephen N'nouka A' Issah は、当初 AI ツールはそのような複雑さの下ではうまく機能しないだろうと考えていました。 単純なことには役立つかもしれないと思いました。しかし、高度なパターンやレガシーコードでも機能するとは思っていませんでした。 Stephen N'nouka A' Issah, React developer その懐疑心は経験に基づいたものでした。多くの開発者は、制御された環境ではツールがうまく機能する様子を見てきたものの、本番システムに展開されると苦労することを何度も経験しています。 この現実を認識し、Andela は AI を日常業務から切り離された別分野や認定試験として扱うことを避けました。代わりに、AI アカデミーを通じて学習を生産ワークフローに直接組み込みました。 Andela のラーニングプログラムマネージャーであるアブラハム・オモモ氏は、その哲学を明確に説明しました。 トレーニングは、開発者が実際に職場で求められている業務を反映するものであり、理想化された演習であってはなりません。 アブラハム・オモモ氏、Andela ラーニングプログラムマネージャー このようにして、学習は開発者がすでに維持責任を負っている同じシステム内で行われます。 最初の成果：より迅速なオンボーディング 開発者にとって最初に認識された利点の一つは、生産性の向上ではなく、見慣れないシステム内でのオンボーディングの高速化でした。 25 年以上の経験を持つブラジルのシニアエンジニアであるダニエル・ナシメント氏は、「誰も手をつけたくない」とされるレガシーコードで働くことがどのようなものか、そして真のリスクは速度よりも意図しない結果にあると説明しました。「私が最初に尋ねるのは、『このプロジェクトは実際には何をするのか？』です。アーキテクチャはどうなっていますか？弱点は何ですか？強みは何ですか？」 変更をより安全に行うため、彼はリファクタリング前に AI ツールを使用してユニットテストを生成し、動作を壊さずに修正可能な範囲を明確に区切っています。 レガシーコードには通常、カバレッジがありません。そのため、まずそのカバレッジを構築するためにそれを利用します。そうすれば、自分が何を扱っているかがわかります。 ダニエル・ナシメント、シニアエンジニア スティーヴンは、見知らぬシステムへのオンボーディングにおいて同様のパターンを説明しました。彼の経験では、AI は理解を代替するのではなく、変更を加える前に意図、アーキテクチャパターン、および制約を表面化させるまでの時間を圧縮します。この作業の多くは以下を含みます: 動作を理解するためのテスト生成 制御フローを明確にするためのリファクタリング案のドラフト作成 システム境界について推論するためのダイアグラムのスケッチ それでもなお、多くの提案にはクリーンアップが必要であったり、微妙な問題を引き起こしたりするため、規律あるレビューの重要性が再確認されます。 AI により、自信は複利で蓄積される 生産システム内で AI を適用して数週間が経過した後、漸進的な改善を測定し始めました。 開発者たちは以下を報告しました: 見知らぬシステムへのオンボーディングの加速 曖昧な業務に対する所有権の確立における自信の高まり セットアップに費やす時間の減少と、意思決定に費やす時間の増加 ダニエルは、働き方の変化がもたらした結果として、著しい生産性向上を推定しました。 「GitHub Copilot を使用することで、私の生産性は約 50% 向上しました」と彼は述べました。 しかし、それは速度だけではありません。ビジネスとの連携に時間を割き、真の影響に集中できる時間が得られます。 ダニエル・ナシメント 彼はその多くが、中核となるエンジニアリングの判断を代替するのではなく、反復的なオーバーヘッドを削減することから生じたと強調しました。 構造化された AI ツールへのアクセスがこれまでなかった開発者にとって、そのアクセスは専門スキルの拡大へとつながりました。認定資格は彼らの信頼性を高め、AI に関する流暢さは取り扱える業務の範囲を広げました。 AI スキルギャップは能力ではなくアクセスの問題として現れる この取り組みは、より広範なパターンを裏付けています：AI スキルギャップの本質は、ツール・メンターシップ・実践的な支援への構造化されたアクセスに関するものです。 より速く適応する開発者には通常、次のような要素があります： 現代のツールへのアクセス 安全に実験できる時間と空間 それらのツールの使用方法について合意したチーム これらの条件が整っている場所では学習は複利効果を生みます。逆に、条件が整っていない場所では AI の影響は限定的なものにとどまります。 また、これは世界中の開発者にとっても重要です。スキル向上がより良い雇用機会や経済的機会へとつながるからです。ケニアに拠点を置く Andela エンジニアの Koffi Kelvin は、「GitHub Copilot は、私のキャリアを文字通り別の次元へと押し上げるポータルです」と語りました。 ワークフロー、セキュリティ、テスト、そして高オクタンなパイプラインの間で、これはキャリアパスというよりはロケット発射のようなものでした。 Koffi Kelvin, Andela エンジニア グローバル・サウスにおける構造化されたアクセスの拡大は、追いつくためのものではありません。むしろ、AI 支援システムを構築する開発者が、世界のエンジニアリング人材が持つ多様性のすべてを反映するように確保するためのものです。 誰もがアクセスによって恩恵を受ける 世界中の誰もが構造化された学習へのアクセスを持てば、私たちは皆その恩恵を受けます。AI のスキルアップは、流行を追いかけることでも未来を予測することでもありません。それは、仕事から離れることなく新しいツールを実際のシステムに統合する方法を学ぶことです。これにより、開発者はより複雑な作業に取り組むことができ、地理的な制約に関わらず、グローバルチームに対してより自信を持って貢献し、現代の実践の最前線で引き続き構築し続けることができます。 その学習が構造化されたとき、つまりアクセスが偶発的ではなく意図的なものであるときは、その効果は複利のように積み上がります。GitHub で働く Andela のエンジニアである Sammy Kiogara Mati 氏は、「GitHub Copilot は、グローバルな技術人材にとって何が可能かという私の視野を広げました」と語っています。 AI 単独で競技場を平等にするわけではありません。構造化されたアクセスがそれを成し遂げるのです。 ご自身の AI 学習の旅を始めたい場合は、 GitHub Learn > をご覧ください。 本記事「Scaling AI opportunity across the globe: Learnings from GitHub and Andela」は、The GitHub Blog に最初に掲載されました。

世界中にAIの機会を拡大する：GitHubとAndelaからの学び

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト