ChatGPT Enterprise とカスタム GPT を活用した Paf の開発者生産性向上

モデル選択と評価

Paf は LLAMA と Claude に対して正確性とコストの直接比較を実施した結果、GPT-4 を選択しました。評価の結果、GPT-4 は競合より 25% 高い正確性を示し、コストは増加しませんでした。

専門的なカスタム GPT による開発の効率化

Paf の 100 人のエンジニアチームは 85 以上のカスタム GPT を活用し、手作業を削減し、モデルの過負荷によるハルシネーションを最小限に抑えています。汎用モデルに依存するのではなく、開発者は専門的なコーディング GPT を連携させ、標準化されたアプリケーションフローと API を生成します。

  • Swagger GPT: Swagger JSON API 定義を Paf のコーディング標準に基づく TypeScript サービスエンドポイント定義に変換します。
  • TypeScript GPT: エンドポイント定義と既存のセッション検証関数を使用してバックエンドサービスコードを生成します。
  • GraphQL Nexus GPT: GraphQL Nexus スキーマを生成し、フロントエンドとの連携用ヘルパー関数を統合します。
  • Relay GPT: GraphQL Nexus スキーマを用いてバックエンド通信用の React Relay フックを作成します。
  • React GPT: Paf の React と TypeScript のスタイルガイドラインおよびコアコンポーネントライブラリに従って React コンポーネントを作成します。

フロントエンド開発者の Krista Koivisto は、これらの特化した GPT によりチームが「はるかに少ない労力で機能するボイラープレート実装を自動生成できる」ことを指摘しています。

grit:lab における AI 強化型開発者トレーニング

Paf は ChatGPT Enterprise を grit:lab コーディングアカデミーに統合し、65 人の開発志望者を訓練しています。このアプローチにより、シンタックスや基本的なコーディングエラーから高レベルのシステムアーキテクチャへと焦点が移ります。学生は AI を以下の目的で活用します：

  • 新しいプログラミング概念の理解
  • コードエラーの効率的なデバッグ
  • コードエラーの効率的なデバッグ
  • 異なる言語間のシンタックスと構造の学習
  • テストデータの迅速な生成

DevOps エンジニアの Kim Gripenberg は、ジュニア開発者や grit:lab の学生は AI の支援により「数年分のスピードで」成長し、トレーニング開始時点からより高次で体系的な思考が可能になると述べています。

組織への影響と今後の統合

エンジニアチームを超えて、財務、HR、マーケティング、カスタマーサポートの各部門の Paf 従業員の 70% が積極的に ChatGPT Enterprise を利用しています。同社は今後 1 年間で、ChatGPT Enterprise と OpenAI API をすべての内部プロセスに完全統合する計画です。

最高技術責任者の Fredrik Wiklund は、GPT がソフトウェアの執筆、テスト、デプロイの多くを担い、人間の開発者は高レベルのシステム作業に専念できる未来を描いています。

Sources