概要
GitHubは、「GitHub Agentic Workflows」の一般提供を開始しました。これは開発タスクをAIエージェントに自動化させる機能です。
GitHubの公式ブログによると、自然言語の指示をもとにAIが自律的に推論を行います。テストの作成や不具合の解析といった作業をこなす仕組みです。
既存のGitHub Actionsの仕組みをそのまま利用できます。開発チームの生産性を高める機能として注目されています。
何が発表された？
今回一般提供が始まった「GitHub Agentic Workflows」は、もともとGitHub Nextのオープンソースプロジェクトとして開発されていました。
GitHub Actionsの環境内でコーディングエージェントを動かします。推論を伴うタスクを自動化する仕組みです。具体的には、次のタスクを自動化します。
前と何が違う？
パブリックプレビューからの機能拡張と統合
今回の一般提供にあたり、パブリックプレビューの段階から多くの機能が追加されました。機能は改善もされています。
Actions Runner Controller（ARC）とDocker-in-Dockerがサポートされました。セルフホストランナー上でエージェントワークフローを実行できるようになりました。
また、予算予測機能である「gh aw forecast」が非実験的機能となりました。脅威検出のクレジットや月ごとのAIクレジットの支出範囲がより正確に把握できるようになっています。
モデル選択とモデルルーティングの柔軟性
モデルのインプレッションが刷新されました。ワークフローごとに好みのモデルプロバイダーを選択できるようになりました。
さらに、最適なモデルを自動で割り当てる「モデルルーティング」機能も導入されています。これはタスクの種類や難易度に応じた機能です。
これにより、用途に合わせた効率的なAIの運用が可能になっています。
セキュリティとアイソレーションの強化
エージェントの実行環境における安全性も高められています。
Cloud HypervisorやNVXマイクロVMを用いたエージェントの隔離が行われました。クロスリポジトリのワークフローにおけるデータ漏洩を防ぐ機能（enclaves）が備わっています。
数字で見るとどう変わった？
公式ブログで紹介されている導入事例では、開発チームにおける測定可能な成果が示されています。
ある開発チームのリーダーは、自身の開発作業において週におよそ29時間の削減を見込んでいます。
チーム全体で見ると、測定された開発の速度（ベロシティ）は平均して2倍以上になりました。また、コミットの91%がAIによって作成されるようになりました。
さらに、本番環境でのエラーを1日あたり約11,000件から1,000件未満へと大幅に削減しました。技術的な移行作業をエンドツーエンドで推進したと報告されています。
ライバルと比べてどう？
（編集部注：競合する開発支援ツールやAIエージェント基盤との直接的なベンチマーク比較は元記事に記載されていません。）
しかし、既存のCI/CD基盤であるGitHub Actionsと深く統合されている点は強みです。既存のランナーグループやポリシー制約をそのまま再利用できる点も、他の単体型AIツールにはない強みと言えます。
Docker-in-Dockerのサポートや独自のマイクロVMによる隔離など、エンタープライズ環境で求められるセキュリティ要件を標準で満たしていることも大きな特徴です。
料金は？
GitHub Agentic Workflows自体は、github.com上のGitHub Free、Team、Enterpriseの各プランで利用可能です。
ただし、標準のGitHub Copilot CLIエンジンをワークフローの駆動に利用するには、別途Copilotのライセンスが必要となります。
予算予測コマンドである「gh aw forecast」を利用することで、脅威検出クレジットを含めた月ごとの支出を把握できるようになります。
日本で使える？
日本国内のユーザーでも、今日から利用を始めることができます。対象となるアカウント（Free、Team、Enterprise）と必要なCopilotライセンスを持っていれば利用可能です。
今日から試すための具体的な手順は次のとおりです。
- クイックスタートガイドに従ってCLI拡張機能をインストールする数分で最初のワークフローをトリガーする
- GitHub Nextのagenticsリポジトリにある、イシューの分類、依存関係の管理、コードレビュー、レポート作成などの事前構築済みワークフローを探索する
自分にはどう関係する？
エンジニアなら
日々のテスト作成やCIの障害解析といった定型的な推論作業をAIに任せられます。そのため、より創造的なプログラミングや機能開発に集中できるようになります。
企画・マーケティングなら
開発チーム全体のスピードが向上します。プロダクトの機能追加や改善のサイクルが早まることで、新しいアイデアを素早く形にできるようになります。
経営者・管理者なら
チームの開発ベロシティが倍増し、本番環境のエラーを削減できる可能性があります。そのため、開発生産性の向上と品質の担保を同時に進める強力な手段となります。
まとめ
GitHub Agentic Workflowsの一般提供により、AIによる開発プロセスの自動化は実用的な段階へと進みました。
公式ドキュメントやコミュニティの議論を参照しながら、まずは手元の小さなタスクからエージェントによる自動化を試してみるのが良さそうです。
