CodexとGitHub Copilotを試してみたら、使い分けがはっきりした

AIを使ったコーディング支援ツールの選択肢が増えた。Codex、GitHub Copilot、Cursor、Claude——名前を挙げるだけでいくつも出てくる。その中で「結局どれを使えばいい？」と迷っている人は多いはずだ。

自分も同じ疑問を持っていた。Codexについては以前から使っていたが、GitHub Copilotもずっと気になっていた。「両方使っている人はいるのか」「どう使い分けているのか」が知りたかったが、実際に比べた記事がなかなか見つからなかった。

だったら自分で試してみようと思い、同じ種類の仕事を両方に頼む比較を3週間続けた。その結果、「この場面はCodex」「この場面はCopilot」という使い分けが自分の中で固まってきた。その経験をここに書く。

どちらが優れているかという話ではなく、「どういう場面でどちらを使うか」という実用的な話だ。

結論から言うと、CodexとGitHub Copilotは「競合ツール」ではなく「用途が違うツール」だ。GitHub Copilotは「コードを書くときに隣で補完してくれる存在」、Codexは「タスクを渡して自律的に処理してくれる存在」として機能する。両方の特性を理解すると、どちらをいつ使うかが自然に決まってくる。

そもそも、CodexとGitHub Copilotは何が違うのか

比較を始める前に、両ツールの基本的な特徴を整理しておく。使ってみる前は「どちらもAIがコードを書いてくれるツール」だと思っていたが、実際には設計思想が根本的に違う。

GitHub Copilot：「書くときの隣人」

GitHub Copilotとは、GitHubとOpenAIが共同開発したAIコード補完ツールのことです。VS CodeやJetBrainsなどのコードエディタに統合されて動作し、ユーザーがコードを書いている最中にリアルタイムで次のコードを提案します。

Copilotの使い方はシンプルだ。エディタを開いて、コードを書き始めると、続きの候補がグレーで表示される。タブキーを押すと採用、無視すれば消える。これを繰り返しながらコーディングが進んでいく。

Copilotが得意なのは「書いているコードの文脈を読んで、次に来るべきコードを提案する」ことだ。関数名を書き始めると引数を提案する。コメントを書くとそれを実装するコードを提案する。テストコードを書こうとすると、実装に対応したテストケースを提案する。

GitHub社が2023年に発表したデータによると、Copilotを使った開発者はコーディング速度が平均55%向上したとされています。「書く速さ」に特化したツールとして、現在も多くの開発者に使われています。

Codex：「タスクを渡せる同僚」

Codexとは、OpenAIが開発したAIコーディングエージェントのことです。Copilotとの最大の違いは、Codexが「エージェント」として自律的にタスクを実行する点にあります。

Codexの使い方は、指示を出してタスクを渡すことから始まる。「このデータを整理するスクリプトを作って」「このファイルを読み込んで条件に合うものを抽出して」と伝えると、Codexがサンドボックス環境でコードを書き、実行し、必要なら修正まで行って結果を返す。

Copilotが「書いている途中に提案する」のに対し、Codexは「タスクを受け取って完成品を返す」という動き方をする。ユーザーがコードエディタを開いている必要すらなく、自然言語で指示するだけでいい。

Copilotは「コードを書く人のためのツール」、Codexは「コードを書かなくてもタスクをこなしたい人のためのツール」という位置づけが、実態に近い。

同じ仕事を両方に頼んでみた

理屈を理解した上で、実際に同じ仕事を両方に頼んでみた。3種類のタスクで比べた結果を書く。

試験1：新しいスクリプトをゼロから作る

最初に試したのは「新しいスクリプトをゼロから作る」タスクだ。具体的には「複数のCSVファイルを読み込んで、特定の列を合算し、月別の集計表を出力するPythonスクリプトを作る」という内容だ。

Copilotで試した場合：エディタを開き、コメントで「CSVを読み込んで月別集計するスクリプト」と書くと、雛形のコードを提案してくれた。ただし、コードの全体構成を自分で設計しながら、Copilotの提案を取捨選択して組み立てる必要があった。途中の「どんな関数を作るか」「どの順番で処理するか」の判断は自分でしなければならない。コードを書く手間は減ったが、設計の負担は残る。所要時間：約45分。

Codexで試した場合：「複数のCSVファイルを読み込んで、特定の列を合算し、月別の集計表を出力するPythonスクリプトを作ってください。入力はフォルダ内のCSVファイルで、出力は日付つきのExcelファイルにしてください」と指示した。数分後、動作確認済みのスクリプトが返ってきた。エラーの修正も1回あったが、自分でコードエディタを開く必要はなかった。所要時間：約20分。

この種のタスクでは、Codexのほうが明らかに速かった。「完成品を渡してもらう」という使い方が、ゼロからの作成に向いている。

試験2：既存コードに機能を追加する

次は「すでにあるコードに新しい機能を追加する」タスクだ。具体的には「動いているPythonスクリプトに、処理ログをファイルに出力する機能を追加する」という内容。

Copilotで試した場合：既存のコードをエディタで開き、ログ出力を追加したい箇所でコメントを入力すると、Copilotがその場所に適切なコードを提案してくれた。既存コードの文脈を読んで「この変数名やスタイルに合わせた」コードが提案されるため、追加した部分が元のコードと自然に馴染んだ。既存コードの「流れ」を壊さずに機能追加できるのは、Copilotの強みだと感じた。所要時間：約15分。

Codexで試した場合：スクリプト全体を貼り付けて「このスクリプトにログ出力機能を追加して」と指示した。結果として動くコードが返ってきたが、既存コードの変数命名規則や関数スタイルが若干変わっていた。機能としては正しく動いたが、元のコードとの統一感が少し崩れた。修正に追加の時間がかかった。所要時間：約25分。

この種のタスクでは、Copilotのほうがよかった。既存コードの文脈を読みながら「その場で」補完するCopilotの特性が、機能追加に向いている。

試験3：エラーのデバッグ

3つ目は「エラーが出ているコードを直す」タスク。スクリプト実行時に出たエラーを修正するという内容。

Copilotで試した場合：エラーが出ているコードをエディタで表示した状態でCopilotを使っても、エラー原因の特定には限界があった。コードの一部を書き直す提案は出てくるが、「なぜエラーになっているか」の説明はなく、提案を試して動かなければまた別の提案を試すという手探りになった。

Codexで試した場合：エラーメッセージとコード全体を貼り付けて「このエラーの原因と修正方法を教えてください」と指示すると、エラーの原因を分析した上で「○行目のこの部分が問題で、こう修正すれば動く」という形で回答が返ってきた。修正コードも提示してくれるため、そのまま適用できた。所要時間：約10分。

デバッグについては、Codexのほうが明らかによかった。「コードとエラーの関係を分析して原因を説明する」という点で、Codexのエージェント的な動きが活きた。

使い分けの判断基準が見えてきた

3週間の比較を通じて、「この場面ではどちらを使うか」の感覚が固まった。基準を整理する。

GitHub Copilotが向いている場面

Copilotが力を発揮するのは「自分がコードを書いている最中」の場面だ。コードエディタを開いて、自分で手を動かしながら開発するスタイルの人にとって、Copilotは非常に強力な補助になる。

• 既存コードの改修・機能追加：既存のスタイルや命名規則に合わせたコードを提案してくれる。ファイルを開いたままリアルタイムで補完されるため、コードの一貫性が保ちやすい。
• テストコードの作成：実装コードを書いた後、テストケースを書こうとすると、実装の内容を読んで対応するテストを提案してくれる。テストの書き方が苦手な人でも、ベースとなるテストコードを素早く用意できる。
• ボイラープレートコードの記述：決まったパターンが多いコード（クラスの定義、APIエンドポイントの骨格、設定ファイルなど）は、Copilotが一気に補完してくれるため、繰り返しの入力作業が大幅に減る。
• コードを書きながら学習する場面：新しいライブラリや言語を学んでいる途中に、「次はこう書く」という提案が参考になる。ただし提案が常に正しいわけではないため、ドキュメントと照らし合わせながら使うことが前提。

一言で言うと、Copilotは「コードを書く人が、より速く・より少ない労力で書けるようにする」ツールだ。エンジニアの日常的な開発作業に組み込まれることで、最も価値を発揮する。

Codexが向いている場面

Codexが力を発揮するのは「タスクを渡して結果を受け取りたい」場面だ。コードを書くプロセスに関与したくない、またはできない場合に向いている。

• 繰り返し作業の自動化スクリプト作成：「毎週このデータを集計するスクリプトを作って」という依頼に対して、完成品を返してくれる。コードを書く過程に関与する必要がない。
• エラーのデバッグ・原因分析：エラーメッセージとコードを渡すだけで、原因と修正案を説明してくれる。コードを読んで理解する必要がない。
• コードを書けない人が処理を自動化する場面：プログラミング未経験者でも、「何をしてほしいか」を言葉で伝えることができれば、Codexがコードに変換してくれる。
• 複数ファイルにまたがる処理の設計・実装：「このフォルダのファイルを読んで、条件に合うものを別のフォルダに移動して、処理ログを出力して」という複数ステップを含むタスクも、一度の指示でこなせる。

Codexは「コードを書かずに結果を得たい人」のためのツールであり、Copilotは「コードを書く人がより速く書けるようにするためのツール」だ。この違いを理解すると、どちらが自分に向いているかが自ずと見えてくる。

両方使うのが最強、という話

3週間の比較で気づいたのは、「どちらか一方を選ぶ」より「場面に応じて使い分ける」ほうが、全体的な生産性が高いということだ。

Copilotで書きながら、Codexで作る

実際の開発フローとして、以下の使い分けが自分の中で定着した。

• 新規スクリプトの作成：Codexに「こんなスクリプトを作って」と指示して、完成品を受け取る。受け取ったコードをエディタで開き、内容を確認する。
• 受け取ったコードの改修：Codexから受け取ったコードをエディタで編集する際は、Copilotの補完を使って手を加える。Copilotがコードの文脈を読んで、適切な改修案を提案してくれる。
• エラーが出たとき：Codexにエラーメッセージと問題のコードを渡して原因を分析してもらう。修正案をもとにエディタでコードを直すときはCopilotを使う。

この「Codexで作り、Copilotで磨く」という流れが、現時点での自分にとってのベストプラクティスだ。どちらか一方だけを使うより、両方の得意な場面に合わせて使うほうが、全体の作業効率が上がる。

コスト的に両方使う価値があるか

両方使うにはコストがかかる。2026年時点の料金の目安として、GitHub Copilotは個人プランで月額10ドル程度（年払いで月換算8ドル程度）から利用できます（詳細はGitHubの公式サイトで確認してください）。Codexの利用はOpenAI APIの従量課金、またはChatGPTの有料プランに含まれる形になります。

両方使った場合のコストは月2,000〜5,000円程度になる可能性があるが、自動化によって節約できる時間が月に4〜5時間以上あれば、投資対効果は出やすい。「時間コスト」と「ツールコスト」を比較して判断するといい。

もし「どちらか一方を選ぶ」という場合は、自分のコーディングスタイルに合わせて選ぶのがいい。コードエディタで手を動かして開発することが多い人はCopilot、コードを書かずに結果だけ欲しい場面が多い人はCodexが向いている。

よくある質問（FAQ）

まとめ

CodexとGitHub Copilotを3週間比較して見えてきたことを、改めて整理する。

• GitHub Copilot：コードを書きながらリアルタイムで補完してくれる。既存コードの改修・機能追加・テスト作成に向いている。コードを書くプロセスに深く関わるツール。
• Codex：タスクを自然言語で渡すと自律的に処理してくれる。新規スクリプトの作成・デバッグ・繰り返し作業の自動化に向いている。コードを書かずに結果を得るためのツール。

どちらが優れているかではなく、どちらを「いつ使うか」の使い分けが重要だ。自分のコーディングスタイルと仕事の性質に合わせて、適切なツールを選ぶことが、AIコーディングツールを活用する上での核心だと感じている。

「Codexだけ使う」「Copilotだけ使う」よりも、「この場面はCodex、この場面はCopilot」という判断を持てるようになると、作業の選択肢が広がる。両方試してみて、自分なりの使い分けを見つけることが、結局のところ最も効率的な道だと思っている。