GitHub Copilotの作業ログ可視化。AI社員を見守る5つの観点
合同会社Leadfive 山下です。
さて、 Leadfiveでは、AIを便利なツールで終わらせず、会社の実務に組み込むAIエージェント運用を発信・支援しています。AIに仕事を任せ始めた会社で次に問題になるのは、便利かどうかではなく、AIが何をしたかを後から確認できるかです。
GitHubは2026年7月2日、GitHub Copilotのagent session dataをストリーミングまたはREST APIで確認できる機能をpublic previewとして案内しました。対象はEnterprise Cloudの管理されたユーザーを持つ顧客ですが、中小企業にとっても意味があります。AI社員を増やす前に、作業ログ、承認ゲート、費用、秘密情報の線引きをどう設計するかを考える材料になるからです。
AI社員の作業ログは、日報ではなくレジ締め表です
AIに任せる仕事が増えるほど、最後に見るべきなのは長い作業日報ではなく、確認すべき数字と出来事です。
店舗でレジ締めをする時、担当者の全行動を文章で追うわけではありません。売上、差額、取消、責任者確認、次の日に引き継ぐことを見る。AIエージェントの作業ログも同じです。すべての会話を読み返すのではなく、誰が何を頼み、AIがどのツールを使い、どこで止まったかを確認できる形にします。
GitHubの発表では、Copilot agent session activityとして、プロンプト、応答、ツール呼び出しのような活動を確認できると説明されています。これは、AIを単なるチャットではなく、会社の中で動く新人スタッフとして扱う流れです。
AIエージェントとは何か。中小企業経営者が最初に理解すべきことで整理した通り、AIエージェントは相談相手ではなく、作業まで進める担当者として見た方が実務に近くなります。
session streamingは、店内カメラではなく作業台帳です
session streamingは、AIの全行動を監視するためのものではなく、会社として説明できる作業台帳に近いものです。
店内カメラを増やすだけでは経営は良くなりません。大事なのは、問題が起きた時に、どの作業で、誰の判断で、何が行われたかを追えることです。AIエージェントも同じで、作業ログは不信感のためではなく、安心して任せる範囲を広げるために使います。
今回のGitHub公式Changelogでは、GitHub Copilot agent session dataを、github.com上のcloud agents、ghe.comのdata resident deployments、Copilot CLI、Visual Studio Code、Visual Studio、JetBrainsやEclipseなどのIDE横断で見られるとされています。
中小企業でここまで大きな仕組みをいきなり持つ必要はありません。ただし考え方はそのまま使えます。
- 誰がAIに依頼したか
- 何の目的で依頼したか
- どのファイル、ツール、画面に触れたか
- どこで人間承認を挟んだか
- 公開、送信、本番反映、広告、DB、secretに触れていないか
この5つが残るだけで、AI活用は社長の勘ではなく、運用として見直せるようになります。
ツール呼び出しは、新人スタッフが使った道具の記録です
AIがどのツールを使ったかを見ると、任せてよい仕事と止める仕事を分けやすくなります。
新人スタッフが、棚卸し表を見たのか、金庫を開けたのか、銀行画面を触ったのかでは意味が違います。AIでも、ファイルを読んだ、コードを修正した、テストを実行した、外部APIを呼んだ、投稿しようとした、ではリスクが変わります。
Leadfiveでは、AIの作業をざっくり次のように分けています。
- read-only: 調査、レビュー、候補整理
- draft: 記事、SNS、メール、改善案の下書き
- local check: ローカル確認、リンク確認、表示確認
- approval required: 公開、投稿、git push、本番反映
- never:
.env、APIキー、顧客情報、請求情報、秘密鍵
AIエージェントのルール設計。任せる仕事と止める仕事の決め方で書いた承認ゲートは、このツール記録とセットで効きます。ルールだけを書いても、実際にAIが何をしたかが見えなければ運用改善できません。
REST APIは、48時間以内に確認する引き継ぎノートです
GitHubの公式記事では、REST APIで直近48時間のsession dataを取得できるエンドポイントも紹介されています。
中小企業に置き換えると、これはAI作業の引き継ぎノートです。毎日全部を読む必要はありません。ただ、問題が起きた時、公開前に不安がある時、外注先や社内担当と確認する時に、直近のAI作業を取り出せる状態にしておく。
AI活用が失敗しやすい会社は、作業が増えるほど記録が薄くなります。
- AIがどの記事を直したか分からない
- どのプロンプトで画像を作ったか残っていない
- 誰が公開してよいと言ったか曖昧
- どの出典を根拠にしたか分からない
- 失敗した時に、次回どこを直すか決まらない
こうなると、AIは楽にする道具ではなく、社長が後から確認する仕事を増やす原因になります。
AIエージェントのMemoryに保存してよい情報と危ない情報でも整理した通り、保存するべきなのは秘密情報そのものではありません。作業の判断軸、引き継ぎ、次に見るべき確認項目です。
費用管理は、AI社員の勤務時間表として見る
AIエージェントのログは、品質管理だけでなく費用管理にもつながります。
GitHubの関連発表では、Copilot CLIをGitHub Actionsの組み込みGITHUB_TOKENで使えるようにし、組織課金やAI creditsの管理に触れています。さらにChangelog上では、AI credit poolsやsession limitsのような費用管理の更新も並んでいます。
経営者向けに言えば、AI社員の勤務時間表です。誰が何時間働いたかと同じように、AIがどの仕事でどれだけ使われているかを見る。使いすぎを責めるためではなく、売上や時間削減につながっている仕事へ寄せるためです。
最初に見る数字は複雑でなくて構いません。
- AIに依頼した作業数
- 下書きから公開候補になった数
- 人間確認で差し戻した数
- 公開、送信、本番反映で止めた数
- 相談、問い合わせ、社内の時短につながった数
この5つを見れば、AIを使っている感ではなく、会社の業務が前に進んでいるかを判断できます。
今日の作業: AI作業ログを5列で作ります
GitHub Copilotのagent session streamingは、今すぐ全社導入する機能というより、AI社員を管理する考え方のヒントです。
今日やるなら、まずスプレッドシートかMarkdownで次の5列を作ります。
| 日時 | 依頼内容 | AIが触った範囲 | 人間承認で止めた操作 | 次回直すこと |
|---|---|---|---|---|
| 2026-07-03 | ブログ下書き | 公開済み記事、公式Changelog | 公開、SNS投稿、広告、secret | 画像生成とHTML確認 |
最初から自動集計しなくて大丈夫です。1週間だけでも、AIに何を頼んでいるか、どこで毎回止まっているか、どの作業が売上導線に近いかが見えます。
AIに仕事を任せる会社ほど、記録は細かくしすぎない方が続きます。社長が見るべきなのは、作業の全ログではなく、止める場所、任せてよい場所、次に改善する場所です。
よくある質問
中小企業でもCopilotのsession streamingを使うべきですか
Enterprise向けの機能なので、いきなり導入前提で考える必要はありません。ただ、AI作業ログを残す考え方はすぐ使えます。
AIの会話ログを全部保存すれば安全ですか
全部保存すれば安全になるわけではありません。秘密情報を残さず、依頼、触った範囲、承認で止めた操作、次回の改善だけを残す方が実務では扱いやすいです。
CodexやClaude Codeでも同じ考え方は使えますか
使えます。ツール名より、何を頼み、どこまで進め、どこで人間確認したかを残すことが重要です。
出典
-
[Copilot agent session streaming is now in public preview GitHub Changelog](https://github.blog/changelog/2026-07-02-copilot-agent-session-streaming-is-now-in-public-preview/) -
[REST API endpoints for Copilot usage metrics GitHub Docs](https://docs.github.com/en/enterprise-cloud@latest/rest/copilot/copilot-usage-metrics?apiVersion=2026-03-10) -
[Streaming the audit log for your enterprise GitHub Docs](https://docs.github.com/en/enterprise-cloud@latest/admin/monitoring-activity-in-your-enterprise/reviewing-audit-logs-for-your-enterprise/streaming-the-audit-log-for-your-enterprise)
このシリーズの順番
AIが何を触り、どこで人間確認したかを残す項目を決められる。次の作業は、AI作業ログを5列で作ることです。