大規模言語モデル（LLM）をベースにした生成AIツールは、技術的な質問に対しても回答を返すことができる。例えばChatGPTは、プログラミング言語「Java」や「Python」を用いてAmazon Web Services（AWS）のクラウドサービスに接続する方法を説明できる。

　他にも、AI技術を開発プラットフォームに組み込むことで、API（アプリケーションプログラミングインタフェース）呼び出しやオブジェクト（データとメソッドをまとめたもの）間のデータ移動に必要なソースコードを自動生成させることができる。このようにAI技術で自動化を進めることで、開発者はより創造的な業務に専念できるだけでなく、DevOps（開発と運用の融合）チームの負担軽減にも効果がある。

　一方で忘れてはならないのが「AIモデルは完璧ではない」ということだ。人間が誤ったソースコードを書いてしまうことがあるのと同様に、AIモデルも不適切なコードを生成するリスクがある。そのためソースコードの作成者がAIモデルであれ人間であれ、同様のセキュリティポリシーやガバナンスを適用する必要がある。

　別の言い方をするなら、ユーザーに十分な技術知識がなかったり、出力内容をユーザーが確認できなかったりする場合は、AIモデルが生成したソースコードを使わない方がよい。開発プラットフォームベンダーAirplaneの共同創設者兼CEOラヴィ・パルク氏は、「90％の確率で適切なソースコードを生成できるとしても、1回でもバグが持ち込まれると大変な事態になる」と警告する。

　以下に、生成AIが出力するソースコードの具体的なリスクを3つ紹介する。

セキュリティリスク

　AIモデルが生成したソースコードには脆弱（ぜいじゃく）性や構成ミスの懸念が含まれるが、ユーザーはしばしばそのことを忘れる傾向にある。

性能面のリスク

　LLMが生成できるソースコードの品質や規模には限界があり、必ずしも希望通りのソースコードを生成できるわけではない。そのソースコードが動いたとしても、簡潔性や効率性で手書きのソースコードに劣っている場合がある。

法的リスク

　著作権や知的財産にまつわるリスクもある。Tabnineのソースコード補完ツール「Tabnine」は、使用許可が下りているデータのみをAIモデルの学習に使っているが、こうした措置は全てのAIモデルやLLMで実施されているわけではない。そのためAIモデルの学習や改良に使われたデータについて、確認が欠かせない。

　例えば、ChatGPTの基盤となるモデル「GPT」は、書籍や記事など、インターネットからかき集めた大量のコーパス（言語情報）でトレーニングされている。その中に独占所有権の対象となるデータが含まれていた場合、法的侵害の指摘を受ける可能性がある。

　通常、個人や企業同士の特許紛争は法的手段によって解決される。一方で、GitHub CopilotやChatGPTなどのAIツールが生成したソースコードによって生じる紛争の解決プロセスは、明確にはなっていない。

　次回は、開発向けAIツールを選ぶ際に、重視すべき条件を解説する。