GitHubのコード、どの産業に属するのか？自動判定システム完成

『NAICS』って何？北米産業分類システムなら、日本のコードには使えないってこと？

NAICS は米国の産業分類の標準ですが、実は世界中で参照されている枠組みなんですよね。 米国の金融機関や統計機関が使う分類なので、北米を中心に浸透していますが、日本の日本標準産業分類（JSIC）とも対応表が存在しており、相互に翻訳可能な状態です。つまり「NAICS で『金融機関向けソフトウェア』と分類されたコードは、日本の JSIC では何に当たるか」という対照が可能。 むしろ今回の研究が重要なのは、この分類基準そのものより、GitHub 全体のコードを大規模に産業別に仕分けするという行為そのものです。世界のオープンソースコミュニティが、どの業界にどの技術を提供しているのか、初めて可視化できるようになった。その結果を日本に合わせたければ、あとから JSIC に変換すればいい。 むしろ逆に、これまで日本は「どのテクノロジーがどの産業を動かしているのか」という基本的なデータさえなかったので、こうした国際的な分類基準を使って全体像を掴む方が、業界戦略を考える上では有用になるのかもしれません。

このシステムができると、自分たちが使ってるオープンソースライブラリが『実は医療分野で必須』みたいなことが後から発覚する可能性ってあるの？

そっか、実はそれが起きやすいシナリオなんですよね。 オープンソースライブラリは汎用的に設計されるので、開発者は自分が何に使われるか知らないまま保守してることがほとんど。金融システムで必須のライブラリを、個人プロジェクトの副産物として書いてる人もいる。医療機器の制御に使われてるコードなのに、製作者は「よくあるデータ処理ツール」くらいの認識で放置してることもある。 今回のシステムが面白いのは、その「実は知らなかった依存関係」を可視化するってことなんです。医療分野のリポジトリを逆算して調べれば「このライブラリ、実は病院の診断支援システムで使われてた」みたいなことが次々出てくる。そうなると、その開発者には思わぬ責任が生じるかもしれません。セキュリティパッチの重要性とか、ライセンスの扱いとか。 自分が書いたコードが「単なるツール」じゃなく「業界インフラの一部」だったと後から知る。そういう発見が増えていく時代になりそうです。

これまでなぜ、こんな基本的な『コードがどの産業に使われてるか』が分類されずに放置されてたの？

GitHub のコードが産業分類されてこなかった理由は、単純に「やる価値」と「やる難しさ」のバランスの問題だったのだと思います。 GitHub の視点で見ると、プラットフォーム自体はコードの質や完成度より「開発者が自由に公開できる場」であることが価値。産業カテゴリなんて付けなくても、検索やスター数で人気度は可視化できるから、わざわざ分類に手間をかける必要がなかった。 一方で、研究者や経済学者の側も「知りたい」という気持ちはあっても、140 万個のリポジトリを人間が手で分類するのは現実的でなく、自動化の精度も 97% に達していなかった。つまり、やる気と技術が出会うまでの間に、ずっと空白地帯として放置されていたというわけです。 逆に言えば、今回 GPT-4 という精度の高い判定モデルが出てきたから、初めて「この問題は解ける」という確信が生まれた。だから今、この基本的な分類が急に現れ始めたのかもしれません。

要するにこれって『目に見えない経済活動（オープンソース利用）』を可視化して、初めて『実は技術がこんなところで支えてた』という発見を可能にするってこと？

まさにそうなんですよね。これまで GitHub のコードは「だれかが作ったもの」という記録は残っていても、「それが何に使われているのか」という足跡は消えていた。金融の取引システムに組み込まれているのか、農業の灌漑制御に使われているのか、医療機器の一部か――その連結線がなかったわけです。 だからこそ研究者たちも「テック産業の実際の影響範囲」を数字で示すことができなかった。いま見えているのは IT セクターだけで、その先にある製造業や金融機関での利用は「推測」でしかなかった。 このシステムが変えるのは、その推測を事実に変える点です。6,588 個のラベル付きコードという小さなサンプルから、140 万個のリポジトリ全体の傾向が読める。つまり「実はこの業界、こんなに多くのオープンソースに支えられていたんだ」という逆算が初めて可能になると言えそうです。 それはテック企業の経営判断にも、政策立案にも効く情報になる。目に見えない経済活動を可視化することで、見えなかった依存関係が一気に浮かぶわけです。

このラベルデータが公開されると、ソフトウェア企業が『あ、農業分野の需要ってこんなに多いんだ』と気づいて参入してくるけど、既存の農業系企業にとっては脅威になるんじゃない？

確かに一見そう見えるんですが、ここで重要なのは「コードがあること」と「実装できること」は全く別だということ。 農業分野のオープンソースコードが可視化されても、ソフトウェア企業がいきなり農業に参入するのは難しい。なぜなら、農業系ソフトはコード以上に、土壌管理の知識、農業機械との連携、地域の気候データ、農家の運用フローへの理解が必要だから。つまり「農業市場は実は大きい」という気づきだけでは不十分で、その市場で顧客を獲得するには農業ドメインの理解が必須。 むしろこのラベルデータの公開は、既存の農業系企業にとって味方になるかもしれません。なぜなら、「自分たちが何を頼られているのか」が見える化されることで、技術的な弱点を補填するパートナー企業との連携が生まれやすくなるから。また、VC やアクセラレーターが「農業テック、実はこんなに需要あるんだ」と気づいて投資を加速させれば、市場全体が拡大する可能性も高い。脅威というより、市場の成熟度が上がる段階に入ると言えそうです。