開発の仕事は、コードを書く作業だけでは終わりません。要件を整理し、変更を確かめ、本番に出した後も不具合を追います。GitHubの公式ブログは、AIエージェント（自分で手順を進めるAI）をこの流れ全体で使うための考え方を紹介しています。
GitHubでは10月の1週間に12億件を超えるコミット（コードの変更の記録）があり、1年前より400%超多かったとしています。ただ、コードを書く速さが上がった分、ほかの作業が詰まりやすくなっています。
公式ブログは、AI導入が低い段階から高い段階に進んだチームの調査も引いています。その調査では、プルリクエスト（変更の取り込み依頼）のレビュー時間が441%長くなりました。
この発表は手順の紹介で、新しい料金や提供開始日は示されていません。ここでは、公式ブログが挙げた4段階（Plan、Build、Verify、Observe）に沿って、何が使えるかを整理します。
計画と実装で、Copilotに任せる範囲の決め方
計画の段階では、設計の資料、Slackでの相談、過去のプルリクエストに散らばった情報を1か所にまとめる使い方が紹介されています。SlackやTeamsでCopilotを使えば、プロダクト担当者やデザイナーも同じ場で要件を確かめられるとしています。
作業の分け方もあります。Copilotに、受け入れ条件（完成を判断する基準）を付けたGitHub Issues（作業の管理票）を作らせ、作業を分けます。GitHub Agentic Workflows（AIで繰り返しの作業を自動化する仕組み）は、Issueへのラベル付けや作業の難しさの見積もりに使えます。
難易度の低い作業はCopilotに直接割り当て、人は判断の難しい作業に時間を使う流れです。
複雑な作業では、Plan Modeで複数のやり方を比べ、実装計画を詰めます。人が計画を承認してから、Copilotに実装を渡す流れです。
Copilotのクラウドエージェントに、変更の前に計画を提案させる手順は、GitHubのドキュメントにも載っています（GitHubドキュメント、11/8確認）。
GitHub Agentic Workflowsの一般提供は、サイソクが別記事で報じています（「Agentic Workflows」を一般提供 自然言語の指示でAIが開発作業を自動化）。
実装では、クラウドの隔離された実行環境（サンドボックス）でタスクが動くため、ノートPCを閉じても作業が続きます。セッションは別の端末から同じものを再開できます。Copilotアプリでは、タスクごとにリポジトリのコピーを分けられるので、実装と文書更新の変更が混ざりにくくなります。
モデルの選び方も変わります。Copilot Fusion（作業ごとにモデルと推論の深さを選べる機能）では、必要なときに別のモデルに解決策をレビューさせられます。Copilot Dreaming（セッションやプルリクエストの指摘を見て、記憶と指示文を更新する機能）の提案は、次の作業に使えるとしています。
