Meta、GitHub Copilot風の社内向けAI「CodeCompose」を発表

Metaが、社内エンジニア向けにGitHub Copilotのようなコード生成AIツールを独自開発しました。

AIインフラに関する社内イベントで発表されたこのツールの名前は「CodeCompose」です。現時点では一般公開の予定はなく、Meta社内の開発者がVS Codeなどの環境でPythonなどのコードを書く際の入力補完として使われています。

67億パラメータで自社独自言語「Hack」をカバー

CodeComposeの最大モデルのパラメータ数は67億（6.7B）です。これはGitHub Copilotが採用するベースモデルの半分強の規模にとどまります。

しかし、Metaは汎用的な巨大さではなく、社内特化の道を選びました。MetaのエンジニアであるMichael Bolin氏によると、基盤には同社の研究部門が公開したInCoderを採用し、Meta独自のファーストパーティコードでファインチューニングしています。

特に、Metaが独自開発したプログラミング言語「Hack」で書かれた社内ライブラリやフレームワークを重点的に学習させました。さらに、非推奨APIなどの不適切なコードパターンを学習データから除外し、問題のあるコードが提案されるリスクを下げています。

機能としては、単行や複数行の補完だけでなく、import文やアノテーションの自動挿入、コメントや周辺コードを読み取ったブロック生成に対応しています。すでに数千人の従業員が利用しており、提案の採用率は20%を超えているといいます。

著作権の面でも配慮を見せています。Copilotが著作権侵害の集団訴訟に直面するなか、Metaの広報担当者は、学習元データは寛容なオープンソースライセンスを持つ公開コードとStackOverflowのみに絞り、追加学習は社内コードだけで行ったと説明しました。

なぜ重要か

大手IT企業にとって、自社のプロプライエタリなコードを外部のAIサービスに送ることは情報漏洩のリスクを伴います。Metaのアプローチは、適度なサイズの特化型モデルを自前で用意し、社内インフラに合わせて微調整するほうが安全で実用的であることを示しています。

Hack言語のように外部の汎用モデルが対応できない独自スタックを抱えている現場では、この内製戦略は非常に賢明に見えます。採用率20%という数字も、単なる社内実験ではなく実務のツールとして機能している証拠といえます。

ただし、課題もあります。スタンフォード大学の研究でも指摘されているように、AIコード生成に頼る開発者はセキュリティ脆弱性を作り込みやすい傾向があります。もし社内の既存コードに潜むバグや悪癖をAIが学習してしまっていれば、脆弱性を高速に量産してしまう危険性も残されています。