GitHub Copilot運用のリアル ～AI Credit時代にどう向き合うか～

2026/6/25開催のAI駆動開発コンソーシアム AIオブザーバビリティ スペシャル#1登壇資料

Transcript

1. 0 GitHub Copilot運用のリアル ～AI Credit時代にどう向き合うか～ 2026/6/25
2. 1 登壇者自己紹介 名前：鈴木 隆文 所属：株式会社 クレスコ 開発推進室 業務内容：社内における生成AIの利用推進 プロジェクトへのAI駆動開発の適用推進 趣味：合気道、お酒全般（芋焼酎、日本酒、ウイスキー） 本日のテーマ SIer企業におけるGitHub CopilotのAI Creditsの運用管理
3. 2 クレスコとは 「品質」と「技術」にこだわり、情報システムに関わるサービスを提供 人が想い描く未来､その先へ クレスコグループは 最高のテクノロジーと絆で“わくわくする未来”を創造します ビジョン CRESCO ラテン語で 「成長する」 特 徴 クレスコは1988年の創業以来、IT開発技術と高品質なサービスで、 世の中のさまざまな仕組みづくりを手掛ける独立系のシステムインテグレータです 社名 本社所在地 代表者 設立・上場 従業員 ［2025年4月1日時点］ 売上高 ［2025年3月期］ 代表取締役会長 根元 浩幸 代表取締役 社長執行役員 冨永 宏 東京都港区港南2-15-1 品川インターシティA棟25階～27階 設立 1988年4月 東証一部 上場 2001年9月 東証プライム市場 上場 2022年4月 連結：3,264名（男性:2,416名 女性:848名） 単体：1,582名（男性:1,155名 女性:427名） 連結：587億60百万円 単体：308億85百万円
4. 3 「Token Maxxing」から「Token Governance」への転換 Token消費量の最大化ではなく、費用対効果を踏まえた価値創出へシフト Tokenを消費していない社員は仕 事をしていない！ 限界までTokenを消費しろ！ ➢ 最強モデルを使い倒す ➢ コンテキストを限界まで与える ➢ 量＝生産性と捉える ➢ コストは度外視 費用対効果をきちんと考えて Tokenを消費してください。 ➢ 必要十分なコンテキストを設計する ➢ 指示の質がアウトプットの質を左右 する ➢ タスクとモデルを最適に組み合わせ る ➢ 効率と品質を両立する Tokenmaxxing 「AIを使え」から「あまり使うな」へ、米企業が半年で生成AIの利用制限に動き始めた理由 https://jbpress.ismedia.jp/articles/-/95142 Token Governance 生成AI利用の急増 によりコスト問題 が顕在化 ➢ AIツールの年度 予算を4か月で 使い切ったウー バー ➢ 単月でClaude に500億円超を 支払った企業
5. 4 クレスコでのGitHub運用の概要 GitHub Enterprise クレスコ全社で契約 Organization A ＝ プロジェクトA Organization B ＝ プロジェクトB Organization C ＝ プロジェクトC Copilot for Business Copilot for Enterprise Copilot for Business メンバA メンバB メンバC メンバD メンバE 対象規模 GitHub Copilot利用者数 200〜300人 GitHub Copilot適用Organization数 30〜50
6. 5 今日の話の背景（PremiumRequestからAI Creditへ） Copilot 運用で起きた変化 課金モデル Premium Request AI Credit ベース 管理単位 個人単位の利用 組織全体の共有プール 問題意識 これまでできなかった組織全体で AI利用クレジットを共有できるようになった。 なった。。が でも「どう配るか」が 難しくなった 今日は 「可視化」と「配賦（どう配るか）」に絞ってお話しします
7. 6 クレスコでは何を可視化しているか ① GitHub から取得する2つのデータ ② 統合・可視化 ③ 展開 Copilot Usage ｜ 利用傾向 GitHub Copilot の利用傾向 Organization別・ユーザ別・モデル別の利用量／傾向 AI usage ｜ 課金額 Billing & licensing ユーザ別・Organization別の AI Credit 利用状況 Power BI 週次で管理職へ共有 AI Creditの利用状況を踏まえ 利用上限の引き上げ依頼の 判断材料などに利用 GitHubの提供情報だけでも、まずは十分に始められる。 可視化の目的は請求額の確認だけではなく “配賦判断”。
8. 7 AI Credit 移行後の運用 6月の移行で当初起きたこと • 同じ組織内で AI Credit が共有プール化 • ただし初期状態は No usage limit ⇒誰かが極端に使うと食い 尽くされてしまう。。 クレスコの対応 • 全ユーザにデフォルト上限を設定 新しく出た課題 • デフォルト上限では 不足するユーザが多数発生 （上旬時点で上限に達す るユーザがちらほら） • 上記対応に伴う、AI Creditの個別調整の 運用負荷が高い Business相当 3000 Enterprise相当 7000 必要に応じて手動 Override
9. 8 AI Credit を多く使うユースケース 追加要請のたびにヒアリングし、どのようなタスクで増えているかを追っています 01 大規模リファクタリング／レガシーマイグレーション担当 大量のコードの読み解きと一括修正で、AI Creditを大量消費になりがち 02 テスト自動化・QA の担当 テスト生成やケース網羅で、繰り返しの生成が発生する 03 AI活用の推進担当（Agent.md、skill.mdの作成・検証など） 試行錯誤が多く、探索的な使い方が中心になる ユースケースごとの傾向が、配賦設計を考えるヒントになる
10. 9 今つらいポイント 1 予測できない タスク実行前に消費量が読みにくい。10円相当 か、500円か、それ以上か分からない 2 一律上限が合わない プロジェクト差が大きく、個人差も大きい 3 細かい再配分は高コスト 小さな再調整は運用負荷に見合いにくい どの配り方も一長一短 配り方 メリット デメリット 一律上限 シンプル 実態に合わない 完全従量 公平 ガバナンスが難しい 個別最適 柔軟 運用が重い だから今は── 「Organization単位（プロジェクト単位）で 上限を設定する方式」を模索中
11. 10 まとめと問いかけ みなさんは AI Credit をどう配っていますか？ 01 GitHub Copilot の運用は、まず可視化しないと始まらない コスト管理は、使われ方が見えてはじめて動き出す 02 GitHub の提供情報だけでも、かなり見えるようになる 標準で得られるデータから、利用実態は十分つかめる 03 見える化しても、配賦設計は別の難しさがある 個人上限／プロジェクト予算／完全従量課金 ── どこに落ち着く？ ぜひ懇親会で教えてください！
12. 11 【注意事項】 • 本資料上の当社（株式会社クレスコ）ブランドマークは、登録商標です。 • 本資料のデザインおよび内容の著作権は、当社に帰属します。 • 本資料は信頼できると思われる各種データを使用して作成しておりますが、当社が当該情報全ての正確性 を保証するものではありません。本資料は貴社との討議を目的としており、この目的から生じた結果や 資料の信頼性に起因する損害について、当社は一切の責任を負いません。 Thank You