GM、AIエージェント中心のエンジニアリングワークフロー再設計でプルリクエストのマージ数を3倍に
GM redesigned its engineering workflows around AI agents — and tripled its merged pull requests
GMの自動運転部門では、エンジニアのコーディング時間は15%に過ぎず、残りの85%はAIエージェントが車両データ分析、問題トリアージ、実験実行、修正テストなどを担当している。これにより、プルリクエストのマージ数が約3倍に増加し、リリース速度の向上と欠陥の削減が実現した。GMは、単なるAIコーディングアシスタントの導入ではなく、エンジニアリングワークフロー全体をAIエージェント中心に再設計した。AIエージェントは、MCPサーバーを通じて社内ツールやペタバイト級のデータにアクセスし、カスタムメイドの「スキル」(指示文書)に基づいてタスクを実行する。例えば、車両から収集されたテレメトリデータを分析し、潜在的な問題を特定してエンジニアに調査を依頼する。エージェントの権限は、タスクを実行するエンジニアの権限に基づき、エンジニアはエージェントの出力に対して最終的な責任を負う。このアプローチにより、プルリクエストのマージ数が3倍になっただけでなく、新機能のリリース速度が向上し、テストやバグの脱漏が減少した。
- GMの自動運転部門がエンジニアリングワークフロー全体をAIエージェント中心に再設計し、プルリクエストのマージ数が約3倍に増加
- AIエージェントが車両データ分析、問題トリアージ、実験実行、修正テストなどを担当し、エンジニアのコーディング時間は15%に過ぎない
- AIエージェントはMCPサーバーを通じて社内ツールやペタバイト級のデータにアクセスし、カスタムメイドの「スキル」に基づいてタスクを実行
- 新機能のリリース速度が向上し、テストやバグの脱漏が減少した
GMの自動運転部門が、単なるAIコーディングアシスタントの導入ではなく、エンジニアリングワークフロー全体をAIエージェント中心に再設計した実績が示された点は重要。プルリクエストマージ数が3倍に増加した具体的な生産性向上の数字があり、同様のアプローチを採用する他社への波及効果や、AIエージェント関連スタートアップ・ツールへの需要拡大につながる可能性がある。特に、MCPサーバー経由でペタバイト級データにアクセスする独自の「スキル」設計は、エンタープライズAIエージェント導入の先行事例として注目に値する。