この記事のポイント
- GoogleがGeminiを社内開発データ1兆トークンで特化させた「GfG(Gemini for Google)」を開発し、2万9000人のA/Bテストで効果を実証した
- タスク完了までのやり取り回数が23.1%減少、コード生存率が16.8%向上——汎用モデルとの差が数値で明確に出た(ITmedia NEWS、2026年11月13日)
- GfGの設計思想は、自社コードベースを持つ企業が内製コーディングAIを構築する際の実践的な参考になる
社内のコードレビューにAIを使ってみたものの、「うちの独自ライブラリを全然わかっていない」「提案コードが毎回修正だらけになる」——そんな経験をお持ちのエンジニアリングマネージャーやCTOの方は少なくないはずです。汎用のコーディングAIは確かに便利ですが、数十億行規模の社内リポジトリに固有のパターンや設計規約には対応しきれないという限界があります。
Googleはその限界を正面から解決しようとしました。基盤モデルのGeminiに、社内の開発プロセス全体から収集した1兆トークン規模のデータを追加学習させ、社内専用コーディングAI「GfG(Gemini for Google)」を構築したのです。
その手法と実測データは、2026年10月に開催されたIEEE/ACM国際自動ソフトウェア工学会議(ASE ’26)で発表された論文「Customizing an LLM for Enterprise Software Engineering」(DOI: 10.1145/3832783.3834508)にまとめられています(ITmedia NEWS、2026年11月13日)。
この記事では、GfGがどのような仕組みで動き、どれだけの効果をもたらしたのかを、論文の一次情報に基づいて整理します。自社向けコーディングAIの導入を検討している開発者・IT部門担当者にとって、設計の考え方を掴む手がかりになる内容です。
企業内製コーディングAI「GfG(Gemini for Google)」とは?
GfGはGoogleが社内開発専用に構築したコーディングAIです。外部向けに提供されているサービスではなく、あくまでGoogle社内のエンジニアリング環境に特化した内製モデルという位置づけです。

GfGが生まれた理由と社内での立ち位置
ITmedia NEWSの報道(2026年11月13日)によると、Googleではすでにコードの75%以上がAIによって作成または下書きされています。これほど高い割合でAIが関与している状況では、生成コードの品質が開発全体の生産性に直結します。
問題は、公開データで学習した汎用LLM(大規模言語モデル)が、数十億行に及ぶ社内リポジトリに固有のライブラリや設計パターン、社内でしか使われない言語に対応しきれないことでした。汎用モデルが出力するコードは、Googleの社内環境では修正や破棄を余儀なくされるケースが多かったのです。
そこでGoogleの研究チームは、基盤モデルGeminiを社内環境に特化させる方針を取りました。GfGの目的は「汎用AIを使いこなす」ことではなく、「社内の開発文脈を深く理解したAIを作る」ことです。この方向転換が、後述する実測データに大きな差として現れています。
Geminiをベースにした社内特化モデルの特徴
GfGはGeminiをベースにしており、モデルは2種類あります。Flashベースのモデルはリアルタイムのコード補完に、Proベースのモデルはリファクタリングや設計に関する質問対応に使われています(AI-Papers、ITmedia NEWS)。
汎用のGeminiとGfGの違いは、学習データの質と範囲にあります。汎用モデルが公開データを広く学習しているのに対し、GfGはGoogleの社内開発プロセスそのものを学習対象にしています。完成したコードだけでなく、エラーの修正過程やレビューの指摘内容まで含む点が、実務的な精度の差を生む要因です。

なぜ汎用AIではなく企業内製モデルが必要なのか?
汎用コーディングAIはすでに多くの企業で導入されていますが、社内固有のコードベースに対しては限界があります。GfGの事例は、その限界がどこにあり、どう乗り越えられるかを具体的に示しています。

1兆トークンの社内コードで学習する意味
GfGの学習に使われたデータは、完成したコードだけではありません。ITmedia NEWSの報道(2026年11月13日)によると、社内の開発プロセス全体から収集した1兆トークン規模のデータが使われており、その内訳は次のとおりです。
- コードレビューでの指摘と、修正前後の差分
- 社内ドキュメントおよびQ&Aのやり取り
- ビルドエラーが解消されるまでの変更履歴
- 本番環境の改善履歴と操作ログ
- IDE上で自然言語により指示されたコード修正のログ
注目すべきは、失敗から成功に至る過程が学習対象に含まれている点です。エラーを修復する手順やレビューで典型的に指摘される問題を学ぶことで、完成品のコードだけを与えるよりも実務に近い判断ができるモデルになります。
1兆トークンという規模は、社内の開発文化・設計規約・命名規則まで含む膨大な文脈を持ちます。汎用モデルがどれだけ優秀でも、この文脈は公開データからは得られません。
破滅的忘却を防ぐ継続学習の仕組み
大量の社内データを後から学習させると、元の汎用的な推論能力が失われる「破滅的忘却(Catastrophic Forgetting)」が起きやすくなります。これはファインチューニングの典型的な課題です。
ITmedia NEWSの報道によると、GfGの研究チームはこれを防ぐために2つの手法を組み合わせました。ひとつは「中間学習介入」で、事前学習が完了する直前のタイミングで社内データを注入します。もうひとつは「データリプレイ」で、社内データに元の汎用データを混ぜて再学習させる方法です。
両者を併用することで、基礎的な推論能力を保ちながら社内知識を定着させています。社内特化と汎用性の両立——この設計の工夫が、GfGが単なるファインチューニングモデルにとどまらない理由のひとつです。
GfGの実測データ:開発時間はどれだけ変わったか
GfGの効果は、論文の中で定量的に示されています。ITmedia NEWSの報道(2026年11月13日)によると、2万9000人規模のブラインドA/Bテストという大規模な検証で得られた数値は、企業内製モデルの可能性を裏付けるものです。

A/Bテストで何が変わったか
効果検証は、社内開発者2万9000人を対象としたブラインドA/Bテストで行われました。比較対象は汎用のGeminiのProベースモデルです(ITmedia NEWS、2026年11月13日)。
| 指標 | GfGの変化(汎用Gemini Pro比) |
|---|---|
| タスク完了までのやり取り回数 | 23.1%減少 |
| 応答時間 | 8.9%短縮 |
| コード生存率(14日後) | 16.8%向上 |
「コード生存率」とは、AIが生成したコード行が14日後も修正されずにコードベースに残っている割合を指します。受け入れ率のような一時的な指標ではなく、実際に使い続けられたかどうかを測る指標です。この数値が16.8%向上したことは、GfGが生成するコードの品質が実務レベルで高いことを意味します。
やり取り回数が23.1%減少したことも見逃せません。指示を出し直す手間が減るということは、開発者がAIとのコミュニケーションに費やす認知的コストが下がることを示しています。
実務ワークフローへの統合で得られた変化
A/Bテストの数値だけでなく、実務レベルでの成果も報告されています。ITmedia NEWSの報道(2026年11月13日)によると、広告部門で実施された32ビットIDから64ビット整数への移行作業では、手作業と比べて所要時間が推定50%削減され、提出された変更リストのコード変更の80%をAIが作成しました。
なお、この50%削減は論文内でも「推定(estimated)」と表記されており、確定値ではありません。ただし、社内固有の型やライブラリが絡む大規模な機械的改修は、特化モデルが力を発揮しやすい領域です。
ほかにも、非効率なコードを自動検出して最適化するシステム「ECO」が四半期ごとにCPU50万コア相当の計算資源を節約しています。また、コピーしたコードを貼り付け先の文脈に合わせて自動調整する「Smart Paste」は、Googleで新たに書かれるコード全体の1%以上を占めるまでになりました(ITmedia NEWS、2026年11月13日)。

自社特化型コーディングAIを導入するにはどうすればよいか?
GfGはGoogle社内専用のシステムであり、外部から利用できるサービスではありません。ただし、その設計思想は、自社コードベースを持つ企業が内製AIを検討する際の参考になります。
GfGの事例から読み取れる設計の考え方
GfGの事例が示す設計の核心は「完成品ではなくプロセスを学習させる」という点です。エラーの修復過程、レビューでの指摘と修正、ビルドが通るまでの試行錯誤——こうした開発の文脈を学習データに変えることで、実務に近い判断ができるモデルになります。
自社でコーディングAIを内製化する際に参考になる考え方を整理すると、次のようになります。
- 学習データの選定:完成コードだけでなく、コードレビューのやり取りやエラー修正の履歴も含める
- 破滅的忘却への対策:中間学習介入とデータリプレイの組み合わせで汎用能力を保持する
- 評価指標の設計:受け入れ率だけでなく、コード生存率のような「使い続けられたか」を測る指標を設ける
- 段階的な検証:大規模展開の前に、ブラインドA/Bテストで効果を定量的に確認する
これらはGfGの論文から読み取れる設計上の判断であり、自社の規模やリソースに応じて取捨選択する必要があります。
自社でこの発想を試すなら、まず手元の開発ログを棚卸しすることから始められます。コードレビューのコメント履歴とビルドエラーの修正差分だけでも、汎用モデルのファインチューニング素材として十分に機能します。まず論文(DOI: 10.1145/3832783.3834508)を読み、自社データの棚卸しと評価指標の設計から着手することが現実的な第一歩です。
GitHub CopilotやCodestralとの役割の違い
GfGと市販のコーディングAIツールは、同じ「コーディングAI」という言葉で括られますが、役割が異なります。以下に整理します。
| ツール | 学習データ | 主な用途 | 社内固有への対応 |
|---|---|---|---|
| GitHub Copilot | 公開コードリポジトリ | 汎用コード補完 | 限定的 |
| Codestral(Mistral) | 公開コードデータ | 多言語コード生成 | 限定的 |
| GfG(Gemini for Google) | 社内開発プロセス1兆トークン | 社内システム開発全般 | 深く対応 |
GitHub CopilotやCodestralは「汎用的に使えるコーディング支援」として設計されており、多くの企業で即座に導入できる点が強みです。一方、GfGは「自社の文脈に深く入り込む」ことを優先した設計で、汎用ツールとは補完関係にあります。
どちらが優れているかという話ではなく、社内固有のコードベースが大きくなるほど、特化モデルの優位性が増すという関係です。
Peng et al.(2023)「AIが開発者生産性に与える影響:GitHub Copilotからのエビデンス」のランダム化比較試験では、GitHub Copilotを使った開発者がHTTPサーバー構築タスクを55.8%速く完了したことが確認されており※、汎用ツールにも十分な効果があります。GfGはその上に「社内特化」という層を重ねたアプローチです。
※ Peng, S., Kalliamvakou, E., Cihon, P., Demirer, M.(2023)「The Impact of AI on Developer Productivity: Evidence from GitHub Copilot」より。

企業内製AIの広がりと今後の展望
GfGの事例は、Googleだけの特殊な取り組みではありません。大規模なコードベースを持つ企業が、汎用AIの限界を認識し始めている流れの中に位置づけられます。
オープンソースLLMで自社特化モデルを構築する現実的な道筋
企業内製AIの文脈で見逃せないのが、オープンソースのLLM推論エンジンの成熟です。llama.cppはローカル環境でLLMを動かすC++実装です。正式版リリースを経て、オープンソースコミュニティでの実用化が一段と進みました。これはクラウドに依存せず自社サーバー上でLLMを動かす基盤が整ってきたことを意味します。
GfGのようなモデルを自社で構築・運用するための技術的なハードルは、数年前と比べて大きく下がっています。Googleのようなリソースを持たない企業でも、オープンソースの推論エンジンと自社の開発ログを組み合わせることで、小規模ながら社内特化モデルを試せる環境が整いつつあります。
完全な内製化ではなく、汎用モデルをベースに社内データでファインチューニングするアプローチも有力な選択肢です。
AIコーディング支援ツールの生産性効果に関する研究は2022〜2024年に急増しており、汎用LLMよりもドメイン固有データで微調整されたモデルの方が企業内タスクで高い精度を示すという知見が蓄積されています。GoogleのGfGのような企業専用内製AIの合理性は学術的にも裏付けられつつある状況です。
認知科学の観点からは、AIによるコード補完は外在的認知負荷を軽減し、開発者がより高度な問題解決に集中できる環境を生み出すと解釈されています(Sweller et al., 2019)。
一方、AIが生成するコードのセキュリティリスクや過信バイアスも報告されており(Perry et al., 2023)、企業内導入にはレビュー体制の整備が不可欠であることも示唆されています。
全体として、企業専用コーディングAIは生産性・開発者体験の両面で有望な技術として位置づけられますが、品質保証・セキュリティ・スキル形成への影響という多角的な評価視点が今後の研究課題となっています。
ITmedia NEWSの報道(2026年11月13日)によると、Googleではコードの75%以上がAIによって作成または下書きされており、AIが担うコードの割合が急速に増加していることがわかります。GfGはその加速を支える社内インフラの一部として機能しています。
よくある質問
Q. GfGは外部の企業でも利用できますか?
A. GfGはGoogle社内専用のシステムであり、外部向けに公開・提供されているサービスではありません。Google Cloudを通じたGemini APIや、Google Workspace向けのGemini機能とは別物です。
自社で同様の仕組みを構築したい場合は、Vertex AI上でのモデルカスタマイズや、オープンソースのLLMを活用したファインチューニングが有力な選択肢です。
Q. 「コード生存率」とはどういう指標ですか?
A. AIが生成したコード行が、14日後も修正されずにコードベースに残っている割合を指します。コードが受け入れられた直後だけでなく、実際に使い続けられたかどうかを測る指標です。
受け入れ率(acceptance rate)よりも実務的な品質を反映しやすく、GfGの論文ではこの指標で汎用GeminiのProベースモデル比16.8%の向上が確認されました(ITmedia NEWS、2026年11月13日)。
Q. 破滅的忘却とは何ですか?どう防ぐのですか?
A. 大量の新しいデータを学習させると、AIが以前に習得した汎用的な推論能力を失ってしまう現象を「破滅的忘却」と呼びます。GfGでは、事前学習の完了直前に社内データを注入する「中間学習介入」と、社内データに元の汎用データを混ぜて再学習させる「データリプレイ」を組み合わせることで、この問題に対処しています(ITmedia NEWS、2026年11月13日)。
Q. 汎用コーディングAIと社内特化モデルはどちらを選ぶべきですか?
A. 社内リポジトリの規模と固有性によって判断が変わります。社内独自のライブラリや設計パターンが少ない場合は、GitHub CopilotやCodestralのような汎用ツールで十分な効果が得られます。一方、数十億行規模の独自コードベースがあり、汎用モデルが生成するコードの修正コストが高い場合は、社内特化モデルの構築を検討する価値があります。
GfGの事例は後者の判断を後押しするデータを提供しています。
Q. GfGの論文はどこで読めますか?
A. 論文タイトルは「Customizing an LLM for Enterprise Software Engineering」で、2026年10月開催のIEEE/ACM国際自動ソフトウェア工学会議(ASE ’26)で発表されました(ITmedia NEWS、2026年11月13日)。
DOIは https://doi.org/10.1145/3832783.3834508 です。著者はAditya Kini氏ほか17名(計18名)で、GoogleをはじめとするAI研究者が名を連ねています。
まとめ
GfGが示した数字——やり取り回数23.1%減、コード生存率16.8%向上——は、汎用モデルに社内データを追加学習させることで得られる具体的な効果です(ITmedia NEWS、2026年11月13日)。「AIを使えばいい」ではなく、「どのデータで何を学習させるか」が品質の差になることを、2万9000人規模の検証が裏付けています。
自社でこの発想を試すなら、まず手元の開発ログを棚卸しすることから始められます。コードレビューのコメント履歴とビルドエラーの修正差分だけでも、汎用モデルのファインチューニング素材として十分に機能します。次のステップとして、評価指標の設計(コード生存率のような実務的な指標を設ける)と、小規模なA/Bテストによる効果検証を計画することが重要です。
自社向けコーディングAIの導入を検討している方にとって、GfGの論文は実装レベルの参考情報を含む一次資料です。まず論文のDOI(doi.org/10.1145/3832783.3834508)にアクセスして、設計の詳細を確認することをお勧めします。
集中してドキュメントや論文を読み込む作業には、静かな環境が助けになります。アイデスク新宿自習室は24時間365日利用可能で、半個室ブース18席・私語禁止のルールがあります。新宿西口駅から徒歩3分の立地です。
※本記事の情報は2026年11月時点のものです。最新情報は各公式サイトでご確認ください。
最終更新: 2026年11月15日
参考サイト
- ITmedia NEWS — Googleの社内専用コーディングAI「GfG」、その全容 Geminiに社内データ1兆トークン学習させ開発 所要時間半減の業務も
- AI-Papers — Google社内専用AI「GfG」とは?1兆トークンでGeminiを特化
- プロナビAI — Google、社内専用コーディングAI「GfG」で開発所要時間を半減 社内データ学習のGemini活用
- AI Times(note)— 【8/19 AIまとめ】Google社内事例、AIがコードの30%執筆・開発速度10%向上
- KaneAIJapan — Google、Geminiモデルを活用した社内向けコーディングAI「GfG」を開発
- ACM Digital Library — Customizing an LLM for Enterprise Software Engineering(ASE ’26 論文)

