AI推進の目標を「開発者の体験」から設計する
各チームにAI活用を進めてもらうとき、横断組織は何を目標にすればよいのか。PR数やAI生成コード量のような「出した量」を追うと、数字だけが増えて開発は良くならないことがあります。このページでは、開発者体験(DevEx)の考え方を軸に、SPACE、DORA、DX Core 4、AI向けの測定フレームワークを重ね合わせ、定性と定量を組み合わせた「意味のある目標」の作り方を、半期で回せる形にまとめました。
- 横断開発組織(7名)が各チームのAI推進を支える
- 読者:横断組織メンバー/各チームリーダー/上層部
- 目標期間:半期
- GitHub・CIの指標は一部取得済み、AIツールは広く普及済み
- 2026年10月時点の情報
結論:このページの要点
先に結論を書きます。AIが広く使われている段階で横断組織が置くべき目標は、「AIをどれだけ使ったか」「どれだけ出力したか」ではなく、AIによって開発者の仕事の進めやすさが変わり、その結果として届け方と品質が良くなったかです。そのために、次の5つを組み合わせます。
| 原則 | 中身 | 避けられる失敗 | 詳しくは |
|---|---|---|---|
| 1. 3層で書く | 上から「事業・組織の成果(北極星)」「開発者体験の変化(DevExの3次元)」「横断組織の施策」の3層に分け、目標の主役を真ん中の層に置く | 施策の実施件数が目標になる | 第5章 |
| 2. 体感と実データを対にする | 1つの目標に、開発者アンケートで測る体感と、GitHubやCIから取る実データを最低1つずつ組み合わせる | 数字の水増し、体感だけの自己満足 | 第2章・第5章 |
| 3. 歯止めの指標を添える | 速さを上げる目標には、品質・安定性・負担の指標を「下げない約束」として必ず添える | 速くなったが壊れやすくなる | 第4章・第6章 |
| 4. 比べるのは過去の自分 | 指標はチームの前後比較と対話に使い、チーム同士の順位付けや個人評価に使わないと先に宣言する | 数字の取り繕い、アンケートの形骸化 | 第8章 |
| 5. 結果ではなく「詰まり」から始める | アンケートとデータで各チームの一番の詰まりを見つけ、そこにAIや基盤の施策を当てる。目標はチームごとに選べる余地を残す | 全チーム一律の利用率競争 | 第6章・第7章 |
AIと基盤の改善で、支援先チームの「待ち」と「迷い」を減らす
- 体感の指標
- 四半期アンケートで「レビューや CI の結果を待たされると感じる」と答える開発者の割合を、期初の値から下げる
- 実データの指標
- PR作成から最初のレビューまでの時間の中央値、CIの所要時間の中央値を、期初の値から短くする
- 歯止め
- 変更失敗率と手戻り率(リワーク)を期初より悪化させない。「AIの出力を確かめる負担が増えた」の回答割合も悪化させない
- 使わないこと
- チーム間の順位付け、個人評価、PR数やAI生成行数の目標値化
横断組織のメンバーは全体を、各チームのリーダーは第2章・第6章・第7章と付録Aを、上層部は「結論」「第1章」「第8章の上層部への説明」を中心に読むと、必要な判断材料がそろうように構成しています。目標の立て方の一般論(約束と挑戦の分け方、支援の「卒業」など)は、姉妹ページ「横断チームの目標は相手が変わったことで書く」にまとめています。このページはその「何で測るか」を深く掘り下げる位置づけです。
1. なぜ「PR数を2倍にする」は効かないのか
「生産性を上げるためにPR数を2倍にする」。わかりやすく、測りやすく、上層部にも説明しやすい目標です。それでも多くの場合うまくいきません。理由を3つに分けて見ていきます。
理由1:測った数字が目標になると、数字だけが動く
経済学者グッドハートの名前で知られる法則は、「ある数字が状況を表すのに役立っていても、それを達成目標にした途端、人はその数字を動かすこと自体に最適化し始め、数字が状況を表さなくなる」という現象を指します[13]。PR数はその典型です。
PR数は本来、「変更を小さく区切って頻繁に統合できているか」をうかがう手がかりの一つです。ところが「2倍にせよ」と言われると、1つで済む変更を3つに割る、意味の薄い修正を独立したPRにする、レビューが軽い変更ばかり選ぶ、といった行動が合理的になります。誰かが不正をしているわけではありません。目標が求めていることに、真面目に応えているだけです。
しかも、この種の取り繕いは外から見分けにくいという問題があります。PR数が2倍になったとき、それが「本当に流れが良くなった結果」なのか「割っただけ」なのかは、PR数そのものからは判断できません。判断するには結局、レビュー待ちの時間、手戻り、開発者の実感といった別の情報が必要になります。だったら最初から、その別の情報のほうを目標に組み込むべきだ、というのがこのページの立場です。
理由2:出力量は価値ではない
ソフトウェアの仕事は「努力 → 出力(コード、PR) → 成果(ユーザーやチームに起きた変化) → 影響(事業への効果)」とつながっています。Kent BeckとGergely Oroszは、このうち左側の努力や出力に近い指標ほど、測りやすい代わりに取り繕いや副作用が起きやすいと指摘しています[14]。
SPACEフレームワークの論文も、開発者の生産性を「活動量」だけで捉えることを、よくある誤解の一つとして挙げています。コミット数やPR数は出発点にはなるものの、それだけで人を評価したり報酬に結びつけたりすべきではない、というのが論文の一貫した主張です。活動量が多いことは、仕組みや計画がうまくいっていない兆候である場合さえあります[2]。
理由3:AIは出力量を簡単に水増しできる
AI時代には、この問題が一段と深刻になります。コード生成AIやエージェントを使えば、コードもPRも、以前よりはるかに少ない手間で増やせるからです。DX社のAI測定フレームワークも、コード生成量のような指標は簡単に操作できると明示的に注意しています[11]。
さらに、AIが出力を増やしたことが、そのまま良い結果につながるとも限りません。Googleの調査チームDORAの2024年の調査では、AIの導入が進むほど、ソフトウェアの届け方の速さと安定性が推定でわずかに下がる傾向が見られました[5]。2025年の調査では速さとの関係はプラスに転じた一方、変更の不安定さは高いままでした[6]。出力が増えても、レビュー、テスト、デプロイの後工程が追いつかなければ、詰まりの場所が移るだけです。
出力量を目標にしたとき
目標:「AI活用でPR数を2倍にする」
起きがちなこと:PRの細分化、AI生成コードの未検証のままの提出、レビュー担当者の疲弊、手戻りの増加。数字は達成しても、開発者は「忙しくなっただけ」と感じる。
体験と結果を目標にしたとき
目標:「AIと基盤の改善で、レビュー待ちとCI待ちを減らす。品質は落とさない」
起きること:詰まりの原因(レビュー体制、テストの遅さ、AIの使い方)に手が入る。PR数はその結果として増えることもあるが、それ自体は追わない。
では数字を捨てるべきか
そうではありません。数字を捨てて「みんなが楽になったと感じればよい」とするのも、別の失敗です。体感だけの目標は、上層部への説明が難しく、改善が本物かどうかも確かめられません。
必要なのは、数字の置き場所を変えることです。PR数のような活動量は、捨てるのではなく「状況を見るための観測値」として手元に置き、目標そのものには使わない。目標には、開発者が仕事を進めやすくなったかという体感と、それを裏付ける実データの組み合わせを置く。この「体感と実データを対にする」という考え方を、体系立てて示したのがDevExの論文です。次の章でその中身を見ていきます。
出力量(PR数、コード量、AI生成量)は目標にすると取り繕われ、AIによって簡単に水増しできる。数字は捨てずに観測値として持ち、目標には「開発者の体験の変化」と「それを裏付ける実データ」を置く。
2. DevExの中身:開発者の体験を3つの次元で捉える
DevExの論文「DevEx: What Actually Drives Productivity」は、2023年にACM Queue誌(Vol. 21, No. 2)に掲載されました。著者はAbi Noda、Margaret-Anne Storey、Nicole Forsgren、Michaela Greilerの4名で、ForsgrenとStoreyはSPACEの論文の著者でもあります[1]。この章では、論文の主張を私の言葉で整理し、横断組織の目標づくりにどう使えるかを補足します。原文はACM Queueのサイトで無料で読めるので、細部は原文を確認してください。
出発点:生産性は「開発者が何を経験しているか」で決まる
論文の出発点はシンプルです。開発者の生産性を上げたいなら、出力を数えるより先に、開発者が日々の仕事でどんな摩擦にぶつかっているかを理解し、それを取り除くべきだ、という考え方です。開発者体験(Developer Experience、DevEx)とは、開発者が自分の仕事をどう感じ、どう捉え、どう価値づけているかの総体を指します。
この発想の転換は、横断組織にとって大きな意味を持ちます。「開発者にもっと出力させる」には、開発者本人に負荷をかけるしかありません。一方で「開発者の摩擦を減らす」なら、ツール、基盤、プロセス、AIの使い方といった、横断組織が直接手を入れられる対象が目標の中心になります。横断組織が責任を持てる目標を立てられるのは、後者です。
3つの次元
論文は、開発者体験に影響する要因は数多くあるものの、それらを3つの次元にまとめられると整理しています。
| 次元 | 何を指すか | 悪いときの症状 | AI時代に特に関係する点 |
|---|---|---|---|
| フィードバックループ | 自分の行動に対する反応が返ってくるまでの速さと質。ビルド、テスト、レビュー、デプロイ、質問への回答など | CIの結果待ちで手が止まる、レビューが何日も来ない、本番で初めて問題に気づく | AIでコードを書く時間が縮むほど、レビューやCIの待ち時間の比重が相対的に大きくなる |
| 認知負荷 | 仕事をこなすために頭の中で処理しなければならない量。複雑なコード、散らばったドキュメント、分かりにくい手順など | どこに何があるか調べるのに時間がかかる、似た仕組みが乱立していて迷う | AIが調べ物を肩代わりして負荷を下げる一方、AIの出力を検証する新しい負荷も生まれる |
| フロー状態 | 集中して没頭し、手応えを感じながら仕事を進められている状態。割り込みの少なさ、自律性、目標の明確さに左右される | 会議や問い合わせで細切れになる、待ち時間のたびに集中が途切れる | AIの応答待ちやエージェントの監視が、新しい細切れの原因にもなりうる |
3つの次元は互いに影響し合います。たとえばCIが遅い(フィードバックループの問題)と、待っている間に別の作業を始めて頭の切り替えが増え(認知負荷の問題)、集中が途切れます(フロー状態の問題)。逆に言えば、1つの次元の改善が他の次元にも波及することがあります。目標を立てるときは、3つを独立した項目として扱うより、「どこに詰まりの根があるか」を探す枠として使うほうが実践的です。
論文はそれぞれの次元について、心理学や経営学の研究との関係にも触れています。集中と没頭の研究(フロー理論)、学習や問題解決における認知負荷の理論、デリバリーの速さと組織の業績の関係を示した『LeanとDevOpsの科学(Accelerate)』の研究などです[1]。DevExの3次元は思いつきの分類ではなく、既存の研究の上に置かれた整理だということは、上層部に説明するときの根拠にもなります。
測り方:体感と実データを組み合わせる
この論文の実務的な価値は、3次元という分類以上に、測り方の設計にあります。論文は、開発者体験を測るには2種類のデータを組み合わせる必要があると主張します。
- 体感(開発者の知覚):開発者自身がどう感じているか。アンケートで集める。例:「テストの結果を待たされると感じるか」「コードベースは理解しやすいか」
- 実データ(ワークフロー):システム上で実際に何が起きているか。ツールのログから集める。例:CIの所要時間、レビューまでの時間
どちらか一方では足りない理由は、両者が見ているものが違うからです。CIの所要時間が10分でも、それを「遅い」と感じるかどうかはチームの仕事の仕方によります。逆に、全員が「レビューが遅い」と感じていても、実データを見ると特定のリポジトリだけの問題かもしれません。体感は「何が問題か」を教え、実データは「どこで、どのくらい起きているか」を教えます。両者が食い違ったときこそ、新しい発見があります。
論文では、3つの次元それぞれについて、体感で測るものと実データで測るものの例を表にまとめています。下の表3は、その考え方に沿って、このページの読者の環境(GitHub、Jira、CI、OpenTelemetry)で取りやすい項目をこの記事で独自に例示したものです。論文の表そのものではない点に注意してください。
| 次元 | 体感(アンケート) | 実データ(ツール) |
|---|---|---|
| フィードバックループ | CIやテストの結果を待たされると感じる頻度/レビューを受けるまでの待ちへの満足度/質問したときに答えが得られるまでの早さ | CIパイプラインの所要時間(中央値・90パーセンタイル)/PR作成から最初のレビューまでの時間/PR作成からマージまでの時間 |
| 認知負荷 | コードベースの分かりやすさ/ドキュメントで必要な情報が見つかるか/開発・デプロイ手順の分かりやすさ/AIの出力を確かめる負担 | 社内ドキュメント検索で目的のページにたどり着くまでの回数/オンボーディングで最初のPRがマージされるまでの日数/ビルド・デプロイ設定の種類の数 |
| フロー状態 | 集中して作業できる時間が十分あるか/割り込みの多さ/自分の仕事の進め方を自分で決められるか | カレンダー上の会議のない連続時間の長さ/障害対応や問い合わせの件数/作業中の差し込みチケットの割合 |
全体を表す指標(KPI)を別に持つ
論文は、3次元の個別項目とは別に、全体として開発者体験が良くなっているかを示す指標も持つべきだとしています。例として挙げられているのは、生産性の自己評価、仕事への満足度、エンゲージメント、定着(辞めずに続けたいか)といった項目です[1]。
個別項目だけを追うと、局所的な改善が全体を損なうことに気づけません。たとえば「割り込みを減らすために会議を減らす」施策は、フロー状態の指標を改善しても、チーム内の協力や満足度を下げるかもしれません。全体の指標を横に置いておくと、こうした副作用に気づけます。これは第5章で扱う「歯止めの指標」の考え方とつながります。
データの集め方についての助言
論文はデータ収集についても実務的な助言を示しています。要点を整理すると次のとおりです。
- アンケートから始めてよい:アンケートは数週間で結果が出て、基準値(ベースライン)を作れる。ツールのデータを統合するには手間がかかるので、それを待たずに始められる
- 定期アンケートは四半期か半期ごと:多くの組織にとって、この頻度が負担と鮮度のバランスがよいとされる
- その場で聞くアンケートも使える:特定のツールを使った直後に短く聞く方式(トランザクショナル調査)で、細かい問題を高い頻度で拾える
- 分けて見る:全体平均だけでなく、チーム、役割、経験年数などに分けて結果を見る。平均の中に一部のグループの深刻な問題が埋もれるのを防ぐ
- 比較の基準を持つ:社内の他の部分や業界の値と比べると、どこに改善余地があるかがわかりやすい
- 回答疲れを防ぐ:結果を共有し、それに基づいて何かを変えたことを示す。これが回答率を保つ一番の方法
最後の点は特に重要です。アンケートは「答えても何も変わらない」と感じられた瞬間に形骸化します。横断組織がアンケートを使うなら、集計結果と、それを受けて何をするかをセットで返すことを、目標の運用の一部に組み込む必要があります(第8章)。
事例:調査とデータを組み合わせた改善
論文には、この枠組みを実際に使った企業の例も紹介されています。たとえばeBayは、定期的な調査とシステムのデータを組み合わせて開発者の摩擦を特定し、ツールやドキュメントの改善、手作業の削減を進めました。Pfizerは、全社的な横断施策(開発者ポータル、重複の削減など)を専任チームが担い、チームごとの改善には各チームが時間を割くという役割分担をとりました[1]。
Pfizerの役割分担は、このページの読者の状況にそのまま重なります。横断組織が全社に効く基盤と測定の仕組みを担い、各チームが自分たちの詰まりに向き合う。目標もこの分担に沿って、横断組織の目標と各チームの目標を分けて設計するのが自然です(第5章)。
DevExは開発者の体験を「フィードバックループ」「認知負荷」「フロー状態」の3次元で捉え、それぞれを体感(アンケート)と実データ(ツール)の両方で測る。加えて、全体を表す指標で副作用を監視する。横断組織にとっては、自分たちが手を入れられる対象(ツール、基盤、プロセス、AIの使い方)を目標の中心に置ける枠組みである。
3. フレームワークの地図:DORA、SPACE、DevEx、DX Core 4
開発生産性の枠組みはいくつもあり、名前だけ並べると混乱します。しかし実際には、それぞれ「何を見るためのものか」が違い、競合ではなく役割分担の関係にあります。この章では4つの枠組みを、目標づくりに使う立場から整理します。
DORA:ソフトウェアをどう届けているか
DORAは、Googleの研究チームが長年の調査をもとにまとめた、ソフトウェアの届け方(デリバリー)の性能を測る指標です。当初は4つの指標として知られていましたが、定義は改訂を重ねてきました。2024年の改訂で、現在は次の5つを2つのグループに分けて扱っています[3]。
| グループ | 指標 | 見ていること |
|---|---|---|
| 速さ(スループット) | 変更のリードタイム | コードの変更が本番に届くまでの時間 |
| デプロイ頻度 | 本番へのデプロイがどれくらいの頻度で行われるか | |
| 失敗したデプロイからの復旧時間 | 本番への変更が原因の障害から、どれくらいで復旧できるか | |
| 不安定さ | 変更失敗率 | デプロイのうち、障害や即時の対応を必要としたものの割合 |
| デプロイの手戻り率(リワーク率) | 予定外に行われた、問題対応のためのデプロイの割合 |
DORA指標の強みは、長年の調査で組織の成果との関係が確かめられていることと、システムのデータから比較的客観的に取れることです。弱みは、「なぜ遅いのか」「開発者はどこで困っているのか」を教えてくれないことです。リードタイムが長いことはわかっても、その原因がレビュー体制なのか、テストの遅さなのか、承認プロセスなのかは別の情報が必要です。
目標づくりでは、DORA指標は結果を確かめる指標として使うのが向いています。開発者体験の改善が、本当に届け方の改善につながったかを確かめる役割です。また、「不安定さ」のグループは、速さを追う目標に添える歯止めとしてそのまま使えます。
SPACE:生産性は多面的だという「見方」
SPACEは、2021年にACM Queue誌に掲載された論文で提案された枠組みです。開発者の生産性を5つの側面から捉えるべきだと主張しています[2]。
- S(満足度と健やかさ):仕事、チーム、ツール、文化にどれだけ満足し、健やかに働けているか
- P(パフォーマンス):仕事の結果。品質、信頼性、顧客や事業への効果など
- A(活動量):コミット、PR、レビュー、デプロイなどの数
- C(コミュニケーションと協働):人やチームがどう連携し、知識を共有しているか
- E(効率とフロー):中断や遅れが少なく、仕事を前に進められているか
SPACEは具体的な指標のセットというより、指標を選ぶときの考え方です。論文の助言で目標づくりに直結するのは次の点です。複数の側面にまたがる指標を少なくとも3つ選ぶこと、そのうち少なくとも1つはアンケートなどの体感の指標にすること、指標どうしが引っ張り合う緊張関係をむしろ歓迎すること、そして結果は匿名化してチーム単位で扱うことです[2]。
「PR数2倍」の目標をSPACEの目で見ると、活動量(A)だけに偏っていることがすぐにわかります。目標の点検表として使えるのがSPACEの実用的な価値です。
DevEx:何を改善すれば良くなるのか
第2章で見たDevExは、SPACEの著者を含むメンバーが、SPACEの次の段階として提案したものと位置づけられます。SPACEが「生産性をどんな角度から見るか」を示したのに対して、DevExは「生産性を左右する、改善できる要因は何か」に焦点を絞りました。フィードバックループ、認知負荷、フロー状態は、いずれも組織が手を入れて変えられる対象です。
目標づくりでは、DevExは改善の対象を決める指標、つまり原因側の指標として使います。DORAが「結果がどうだったか」を示すのに対して、DevExは「結果を変えるには何を変えればよいか」を示します。
DX Core 4:上の3つをまとめた実務向けの型
DX Core 4は、DX社が2024年12月に公開した枠組みで、DORA、SPACE、DevExを一つにまとめることを狙っています。著者にはDevExとSPACEの論文の著者も含まれています[9][10]。4つの側面と、それぞれの代表指標は次のとおりです。
| 側面 | 代表指標 | 由来・役割 |
|---|---|---|
| 速さ | エンジニア1人あたりの差分(PR)数 | 活動量の指標。チーム単位で集計し、個人評価や目標値には使わないことが明記されている |
| 有効性 | 開発者体験指数(DXI) | DevExの考え方に基づく14問のアンケートを合成した指標。速さの指標の歯止めとして使う |
| 品質 | 変更失敗率 | DORA由来。速さのために安定性を犠牲にしていないかを見る |
| 事業への影響 | 新しい機能に使っている時間の割合 | 保守や非効率への対応に時間を奪われていないかを見る |
興味深いのは、DX Core 4がPR数に近い指標(差分数)をあえて含めていることです。ただし、それを単独で使わないこと、目標値や報酬に結びつけないこと、必ず開発者体験の指標と対にすることを強く注意しています[10]。これは第1章の結論と同じです。活動量は観測値として持つが、目標にはしない。そして体験の指標と組み合わせて読む。
DX Core 4は、上層部への報告の型としても使いやすい構成です。経営層が気にする「速さ」と「事業への影響」を含みつつ、その裏で品質と開発者体験を同時に見せられるからです。
4つの関係を1枚で見る
下の図は、4つの枠組みの関係を、目標づくりに使う立場から整理したものです。
図の読み方を補足します。一番下の「横断組織の施策」は、横断組織が直接コントロールできる層です。その上の「開発者体験」は、施策によって変わることを期待する層で、横断組織が目標の主役にすべき層です。さらに上の「届け方」と「事業への影響」は、開発者体験の改善が最終的につながってほしい結果の層で、横断組織だけでは動かせません。各チームの事情、プロダクトの状況、市場など、多くの要因が絡むからです。
この構造を意識すると、目標の置き方がはっきりします。一番下の層(施策を何件やったか)を目標にすると、それは作業量の目標になり、第1章の問題が起きます。一番上の層だけを目標にすると、横断組織の努力と結果の関係が遠すぎて、何をすればよいかが見えません。真ん中の開発者体験の層を主役にし、上の層を「つながっているかの確認」に使うのが、横断組織にとってちょうどよい距離感です。
なお、図の矢印は「そうなるはずだ」という仮説であり、必ず成り立つ保証はありません。開発者体験が良くなってもDORA指標が動かないなら、仮説のどこかが間違っています。その場合は施策や目標を見直すきっかけにします。この「仮説として置き、データで確かめる」姿勢は、第5章の目標の型でも中心になります。
| 枠組み | 答える問い | 目標での役割 | 単独で使うときの弱点 |
|---|---|---|---|
| DORA | ソフトウェアを速く安定して届けられているか | 結果の確認、歯止め(不安定さ) | なぜそうなのか、開発者がどこで困っているかがわからない |
| SPACE | 生産性を偏りなく見ているか | 選んだ指標の点検表 | 具体的に何を測ればよいかは自分で決める必要がある |
| DevEx | 何を改善すれば開発者が仕事を進めやすくなるか | 目標の主役(改善の対象) | 事業の結果とのつながりは別途確かめる必要がある |
| DX Core 4 | 経営層にどう報告するか | 報告の型、全体のバランス確認 | DXIは同社のアンケートが前提。自前で作るなら設問の設計が必要 |
DORAは結果、DevExは原因、SPACEは点検表、DX Core 4は報告の型。横断組織の目標は、真ん中のDevExを主役にし、DORAで結果のつながりを確かめ、SPACEで偏りを点検し、DX Core 4の型で上層部に報告する、という組み合わせで考えると整理しやすい。
4. AI時代の測り方:利用・影響・コストと、体感のずれ
DevExの論文はAIコーディングツールが広まる前に書かれました。AIが開発の中心に入ってきた今、何が変わり、何が変わらないのか。この章では、AIの効果を測るための新しい枠組みと、AIの効果について分かってきた研究結果を整理します。
AI導入の3段階:利用 → 影響 → コスト
DX社は、AIの効果を測るための枠組みとして、利用(Utilization)、影響(Impact)、コスト(Cost)の3つの側面を示しています。この3つは、組織がAIを取り入れていく典型的な順番にも対応しています。まず使ってもらい、次に効果を測り、最後に使い方の統制や費用対効果を詰めていく、という流れです[11]。
| 側面 | 問い | 指標の例 | 今の読者にとっての位置づけ |
|---|---|---|---|
| 利用 | どれだけ使われているか | AIツールの利用者の割合、日常的に使っている人の割合 | 観測値 すでに広く普及しているので、目標からは外して見守る |
| 影響 | 使ったことで何が変わったか | AIで節約できた時間の自己申告、開発者体験の指標、PRの流れ、品質 | 目標の中心 今まさに示したい段階 |
| コスト | 費用と使い方は適切か | ツールの費用、使い方のガイドライン、セキュリティ上の取り決め | 次の段階 影響が見えてから、費用対効果の高い使い方に絞る |
この枠組みで大事なのは、段階によって目標にすべき側面が変わるという点です。導入初期なら「利用率を上げる」は意味のある目標です。使われなければ効果も生まれないからです。しかしこのページの読者のように、すでにAIが広く使われている段階で利用率を目標に置き続けると、「とりあえず使ったことにする」行動を生むだけになります。普及が済んだら、利用は目標から外して観測値に下げ、影響の側面に目標を移すのが筋です。
DX社の枠組みは、影響を測るときに、AIで節約できた時間のような直接の指標と、開発者体験やPRの流れのような間接の指標を組み合わせることを勧めています。また、これらの指標を個人の評価に使わないこと、トップダウンで利用を強制しないことも明示しています[11]。
AIは「増幅器」:DORAの調査が示したこと
DORAは2024年と2025年の調査で、AIがソフトウェア開発に与える影響を大規模に調べました。結果は単純な「AIで速くなる」ではありませんでした。
- 2024年:回答者の大半がAIを日常業務に使い、3分の1以上が生産性の向上を実感していました。一方で、AIの導入が進むほど、デリバリーの速さと安定性は推定でわずかに下がる傾向が見られました。DORAは、小さな単位で変更すること、しっかりしたテストといった基本がなければ、AIは自動的には届け方を改善しないと述べています[5]。
- 2025年:AIの利用はさらに広がり、回答者の約9割が仕事でAIを使っていました。AIの導入とデリバリーの速さの関係はプラスに転じました。しかし変更の不安定さは高いままで、それがプロダクトの成果や燃え尽きに悪影響を与えている可能性も示されました[6]。
2025年の報告書の中心にある考え方は、AIは組織がもともと持っている強みも弱みも増幅する、というものです。仕組みが整った組織ではAIの恩恵が大きくなり、問題を抱えた組織ではその問題がより大きくなる[6]。この見方は、横断組織の役割を考えるうえで重要です。AIツールを配って使い方を教えるだけでは足りず、AIの効果を受け止められる土台を整えることが、横断組織の仕事の核心になるからです。
AIの効果を引き出す7つの土台
DORAは2025年に、AIの効果を増幅する組織の能力を7つにまとめたモデル(AI Capabilities Model)を公開しました[7][8]。横断組織の施策の候補を考えるときの地図として使えます。
| 能力 | 中身(要約) | 横断組織の施策例 | 効くDevExの次元 |
|---|---|---|---|
| AIについての明確な方針 | 何を試してよく、どこまでが許されるかが明示され、共有されている | 利用ガイドライン、データの扱い、相談窓口の整備 | 認知負荷 |
| 健全なデータの環境 | 社内のデータが質が高く、アクセスしやすく、まとまっている | 計測データの整備(第7章)、ナレッジの集約 | 認知負荷 |
| AIが使える社内データ | AIツールがリポジトリ、ドキュメント、意思決定の記録を参照できる | MCPサーバーや社内ドキュメントの接続、リポジトリごとの指示ファイルの整備 | 認知負荷 |
| しっかりしたバージョン管理 | こまめなコミットと確実な巻き戻しができる | ブランチ運用、巻き戻し手順の整備 | フィードバックループ |
| 小さな単位での作業 | 変更を小さく保つ | AIに大きな変更を一度に作らせない使い方の共有、レビューしやすい分割の指針 | フィードバックループ |
| 利用者中心の姿勢 | エンドユーザーのニーズを中心に置く。これが欠けるとAI導入はかえってチームの成果を損ねうる | AI活用の成果をユーザー価値と結びつけて振り返る | フロー状態(目的の明確さ) |
| 質の高い社内プラットフォーム | 個人のAI活用の成果を組織全体に広げる基盤がある | 共通基盤、テンプレート、CIの高速化、テストの自動化 | 3次元すべて |
7つ目の「質の高い社内プラットフォーム」については、DORAの2024年の調査にも注意すべき結果があります。社内の開発プラットフォームは開発者の生産性を高める一方で、導入の初期には一時的に成果が下がることがある、というものです。成功の鍵として、利用者中心の設計、開発者の自律性、プラットフォームを製品として扱う姿勢が挙げられています[4][5]。横断組織が基盤の改善を目標に含めるなら、導入直後の一時的な悪化を織り込んで、半期の後半で効果を判断する設計にしておく必要があります。
この表から読み取れるのは、7つの能力のほとんどが「AIそのもの」ではなく、「AIを受け止める周りの仕組み」だということです。小さな単位での作業、バージョン管理、プラットフォームは、AI以前から開発生産性の基本とされてきたものです。AI推進の目標を「AIの利用」に閉じず、こうした土台の改善まで含めて設計すべき理由がここにあります。
体感と実測はずれる:METRの研究
AIの効果を測るうえで、もう一つ知っておくべき研究があります。非営利の研究機関METRは2025年、経験豊富なオープンソース開発者16名を対象に、ランダム化比較試験を行いました。開発者が普段から関わっている大規模なリポジトリの実際の課題246件を、AIの使用を許可するものと許可しないものにランダムに分け、作業時間を比べたのです[12]。
結果は、AIを使えるときのほうが作業時間が約19%長くなるというものでした。さらに印象的なのは、開発者自身の見積もりです。開発者は事前に、AIで作業時間が24%ほど短くなると予想し、作業を終えた後も、約20%短くなったと感じていました。実際には遅くなっていたのに、速くなったと感じていたわけです[12]。
この研究の結論を一般化しすぎないことも大切です。著者ら自身、対象は「よく知っている大規模で複雑なコードベースで働く熟練開発者」という特定の条件であり、AIが一般に役に立たないことを示したものではないと述べています。新しいモデルや使い方の改善で結果が変わる可能性も指摘しています[12]。
それでも、目標づくりへの教訓ははっきりしています。AIの効果について、体感だけを根拠にしてはいけないということです。「AIで速くなったと感じますか」という質問への肯定的な回答は、実際の改善を保証しません。これは、DevExの「体感と実データを対にする」という原則が、AI時代にこそ重要になることを示しています。体感が良くても実データが動かないなら、そのずれ自体が調べるべき対象です。
「AIで生産性が上がったと思うか」のような、AIの効果を直接評価させる質問は、期待や流行の影響を受けやすくなります。それよりも「レビューを待たされると感じる頻度」「コードを理解するのにかかる手間」のように、具体的な体験を聞き、その変化を追うほうが信頼できます。AIの効果は、そうした体験の変化と、AI利用の広がりとの関係から間接的に読み取ります。設問案は付録Aにまとめています。
AIが生む新しい摩擦
AIはDevExの3次元のそれぞれに、良い影響と悪い影響の両方を与えます。目標を立てるときは、良い影響を伸ばすだけでなく、悪い影響を歯止めの指標で監視する必要があります。
| 次元 | 良い方向に働く例 | 悪い方向に働く例 | 監視する指標の例 |
|---|---|---|---|
| フィードバックループ | AIによる事前レビューで、人のレビュー前に問題が見つかる | AIで作ったPRが増え、人のレビュー待ちが長くなる | 最初のレビューまでの時間、レビュー担当者の負担の体感 |
| 認知負荷 | 見慣れないコードの説明、調べ物の時間の短縮 | AIの出力が正しいか確かめる負担、理解しないまま取り込んだコードの増加 | AI出力の検証負担の体感、手戻り率 |
| フロー状態 | 定型作業をAIに任せ、考える作業に集中できる | AIの応答やエージェントの完了を待つたびに集中が途切れる | 集中できる時間の体感、割り込みの体感 |
AIが普及した段階では、利用率は目標から外し、影響の側面に目標を移す。AIは組織の強みも弱みも増幅するので、AIを受け止める土台(小さな変更、バージョン管理、プラットフォーム、社内データ)の改善を目標に含める。体感と実測はずれることがあるので、AIの効果は具体的な体験の変化と実データの組み合わせで確かめる。
5. 横断組織の目標の型:定性と定量を組み合わせる
ここまでの内容を、実際に目標を書くための型にまとめます。ポイントは、目標を「1つの数字」ではなく、「狙い・体感・実データ・歯止め」の組で書くことです。
型1:目標を3層に分ける
第3章の図1で見た層構造を、目標の書き方に落とし込みます。横断組織の目標は、次の3層で整理します。
| 層 | 中身 | 横断組織の責任の度合い | 目標での扱い |
|---|---|---|---|
| 上層:北極星 | 事業・組織として実現したい状態。届け方の改善(DORA)、新しい価値に使える時間の割合など | 他の多くの要因と共有する | 方向を示す。達成責任は持たないが、つながりを確かめる |
| 中層:開発者体験の変化 | 支援先の開発者が仕事を進めやすくなったか。DevExの3次元 | 施策を通じて強く影響できる | 目標の主役。体感と実データの対で書く |
| 下層:横断組織の施策 | AIの使い方の支援、基盤やツールの改善、ガイドラインづくり | 完全にコントロールできる | 計画として管理する。件数を目標にしない |
下層を目標から外すのは、施策が重要でないからではありません。施策は「中層を動かすための手段」であり、手段の実施件数を目標にすると、効かない施策でも件数を稼げば達成になってしまうからです。施策の進み具合は計画として別に管理し、目標の評価は中層の変化で行います。
上層を目標の主役にしないのは、横断組織の働きと結果の距離が遠すぎるからです。リードタイムは、横断組織の施策だけでなく、各チームの体制、プロダクトの難しさ、繁忙期など、多くの要因で動きます。横断組織が上層だけを目標にすると、成功しても失敗しても「なぜそうなったか」が分からず、次の行動につながりません。
型2:1つの目標を「狙い・体感・実データ・歯止め」の4点で書く
中層の目標を書くときは、次の4点をセットにします。
- 狙い:どんな体験を、どう変えたいか。文章で書く。定性的な目標の本体
- 体感の指標:その変化を開発者がどう感じているか。アンケートの特定の設問
- 実データの指標:その変化がシステム上でどう現れるか。ツールから取る値
- 歯止めの指標:その改善の代わりに悪くなってはいけないもの。品質、安定性、負担
この形にすると、「定性的な目標」と「定量的な目標」の二者択一から抜け出せます。狙いが定性的な本体で、体感と実データの指標がそれを確かめる手段、歯止めが副作用への備えです。体感と実データが同じ方向に動けば、改善が本物である可能性が高いと判断できます。食い違えば、どちらかの測り方か、施策の効き方に問題があると分かります。
数字1つだけの目標
「CIの所要時間を30%短縮する」
問題:テストを削って短縮しても達成になる。開発者が待ちを感じなくなったかは分からない。
4点セットの目標
狙い:CIの結果を待つ時間と不安を減らす
体感:「テストの結果を待たされる」の回答割合/実データ:CI所要時間の中央値と90パーセンタイル/歯止め:変更失敗率、テストで検出できた不具合の割合
型3:歯止めは「下げない約束」として書く
歯止めの指標には、改善の目標値を置きません。「期初の値より悪化させない」という約束として書きます。歯止めまで改善目標にすると、追う数字が増えすぎて焦点がぼやけるからです。歯止めの役割は、主目標を達成する過程で、別の何かを犠牲にしていないかを知らせることです。
AI推進の目標で、歯止めとして特に重要なのは次の3種類です。
- 品質・安定性:変更失敗率、デプロイの手戻り率(DORA)。速さの代わりに壊れやすくなっていないか[6]
- 負担:レビュー担当者の負担の体感、AIの出力を確かめる負担の体感。速さの代わりに誰かが疲れていないか
- 全体の満足:仕事への満足度、開発者体験全体の自己評価。局所の改善が全体を損なっていないか[1]
型4:先行指標と結果指標を分ける
半期という期間では、上層の結果(DORA指標や事業の指標)が動くまでに時間がかかることがあります。期の途中で「効いているか」を判断するには、早く動く指標が必要です。そこで指標を2種類に分けます。
| 種類 | 例 | 確認の頻度 | 使い方 |
|---|---|---|---|
| 先行指標 | 施策の対象チームでの体感の変化(短いその場アンケート)、CI時間、レビュー待ち時間 | 週次〜月次 | 施策が効き始めているかを早めに知り、効かなければ方向を変える |
| 結果指標 | 四半期アンケートの3次元のスコア、DORA指標、全体の満足度 | 四半期〜半期 | 期末に目標の達成を判断し、上層部に報告する |
型5:横断組織の目標と各チームの目標を分ける
AI推進は各チームが行い、横断組織はそれを支える、というのがこのページの前提です。この関係では、目標の主語を混同しないことが大切です。
- 各チームの目標:自分たちのチームの開発者体験のうち、どこを改善するか。チームが自分で選ぶ
- 横断組織の目標:各チームの改善を可能にする共通の土台(基盤、ガイドライン、計測の仕組み、AIの使い方の知見の共有)と、それによって支援先全体の開発者体験がどう変わったか
全チームに同じ目標を割り振らないことも重要です。チームによって一番の詰まりは違います。あるチームはレビュー待ちが問題で、別のチームはドキュメントの散らばりが問題かもしれません。横断組織がやるべきことは、アンケートとデータで各チームの詰まりを見えるようにし、チームが自分の目標を選べるようにすることです。「全チームでAI利用率80%」のような一律の目標は、各チームの実際の問題と関係のない努力を強いることになります。
型6:目標の数字は「期初の値から」決める
「レビュー待ち時間を24時間以内に」のような絶対値の目標を、測る前に決めないようにします。まず期初に測り、その値から現実的な改善幅を決めます。期初の値がない状態で決めた数字は、根拠がなく、達成できても未達でも意味を説明できません。
半期の最初の1か月を「基準値を取る期間」と割り切り、その後に目標値を確定させる運用が現実的です。それまでは目標を「方向」(下げる、上げる)で書いておきます。具体的な進め方は第8章で扱います。
姉妹ページ「横断チームの目標は相手が変わったことで書く」では、落とせない「約束」の目標(達成率100%が前提)と、伸びしろを狙う「挑戦」の目標(7割程度で上出来)を分ける考え方を紹介しています。このページの目標の型では、歯止めの指標が「約束」、中層の改善目標が「挑戦」にあたると考えると整理しやすくなります。
目標は3層に分け、中層の開発者体験を主役にする。1つの目標を狙い・体感・実データ・歯止めの4点で書き、歯止めは「下げない約束」にする。先行指標で途中の手応えを見て、結果指標で期末に判断する。チームごとに目標を選べるようにし、数字は期初の値から決める。
6. AI推進の目標案:良い例と悪い例
第5章の型を使って、横断組織の半期目標の候補を具体的に書きます。すべてを採用する必要はありません。期初のアンケートとデータで見えた詰まりに合わせて、1〜3個に絞ることを想定しています。
まず「避けたい目標」を確認する
目標案の前に、AI推進で置かれがちだが効果の薄い目標と、その代わりに置くべきものを対比します。
| 避けたい目標 | 起きやすい行動 | 置き換えの方向 |
|---|---|---|
| PR数を2倍にする | PRの細分化、意味の薄いPRの増加、レビュー担当者の疲弊 | レビュー待ちとマージまでの流れの改善を、体感と実データで測る。PR数は観測値に下げる |
| AI生成コードの割合を50%にする | AIに書かせることが目的化。理解しないまま取り込んだコードが増える | AIの出力を検証する負担の体感と、手戻り率を見る。生成割合は観測値に下げる |
| AIツールの利用率を全チームで90%にする | 使ったことにするためのログイン。合わない業務への無理な適用 | 普及済みなら目標から外す。使っていないチームには理由を聞き、詰まりの手がかりにする |
| AI活用の勉強会を月4回開く | 開催回数の消化。参加者の変化は問われない | 施策の計画として管理し、目標はその結果として変わった体験(迷いの減少など)で書く |
| AIで開発時間を30%削減したと報告する | 体感ベースの楽観的な自己申告。METRの研究のように実態とずれうる | 節約時間の自己申告は参考値にとどめ、実データと組み合わせて読む |
表の右列に共通しているのは、数字を捨てずに「観測値」に格下げするという扱いです。PR数、AI生成の割合、利用率は、状況を知るための情報としては今後も役に立ちます。ただ、それを達成すべき目標にした途端に、第1章で見た取り繕いが始まります。観測値として見続け、目標の指標と食い違ったときの手がかりにします。
目標案1:AIで速くなった分を、レビューで詰まらせない
AIでコードを書く時間が縮むと、次の詰まりはレビューに移りやすくなります。DORAの「小さな単位での作業」の能力とも関係する、最初に検討したい目標です。
支援先チームで、レビューを待つ時間と負担を減らす
- 狙い
- AIで作られる変更が増えても、レビューが詰まらず、レビュー担当者も疲弊しない状態にする
- 体感の指標
- 「レビューを受けるまで待たされると感じる」の回答割合/「レビューの負担が重いと感じる」の回答割合(レビューする側)
- 実データの指標
- PR作成から最初のレビューまでの時間の中央値/PRの変更行数の中央値
- 歯止め
- 変更失敗率、デプロイの手戻り率を期初より悪化させない
- 施策の例
- AIに小さい単位で変更を作らせる指針の共有、AIによる事前レビューの導入、レビューの割り当てルールの見直し
この目標で、PRの変更行数を実データに入れているのは、AIが大きな変更を一度に作りがちな傾向を監視するためです。ここで「PRを小さくする」を目標値にすると、第1章の細分化の問題が起きかねません。あくまでレビュー待ちの改善と組み合わせて読む観測値として扱います。
目標案2:CIとテストの待ちを減らし、安心して速く出せるようにする
AIで変更が増えると、CIとテストの実行回数も増えます。CIが遅いままだと、待ち時間が積み重なり、集中も途切れます。
CIの結果を待つ時間を減らし、テストへの信頼を保つ
- 狙い
- 変更のたびに長く待たされず、テストの結果を信頼して次に進める状態にする
- 体感の指標
- 「テストやCIの結果を待たされると感じる」の回答割合/「テストが通れば安心してマージできる」の回答割合
- 実データの指標
- CIパイプラインの所要時間(中央値と90パーセンタイル)/不安定なテスト(同じ変更で成否が変わるテスト)の件数
- 歯止め
- 変更失敗率を悪化させない。テストの削除による短縮を避けるため、テスト件数とカバレッジも観測する
- 施策の例
- CIのキャッシュと並列化、不安定なテストの検出と修正、AIによるテスト追加の支援
目標案3:AIが社内の文脈を理解できるようにし、迷いを減らす
AIが一般的な知識しか持っていないと、社内固有の規約や設計の意図に沿わない出力が増え、それを直す負担が生まれます。DORAの「AIが使える社内データ」の能力にあたる目標です。
開発者とAIが、必要な社内の情報にすぐたどり着けるようにする
- 狙い
- 社内の規約、設計の意図、手順を開発者もAIも参照でき、調べ物とAI出力の手直しに使う時間を減らす
- 体感の指標
- 「必要な情報がドキュメントで見つかる」の回答割合/「AIの出力を社内の規約に合わせて直す手間が大きい」の回答割合
- 実データの指標
- リポジトリ向けのAI指示ファイルが整備されたリポジトリの割合/新しく参加した人の最初のPRがマージされるまでの日数
- 歯止め
- 機密情報の扱いに関する取り決めを守る。ドキュメント整備の負担が各チームに偏っていないかを体感で確認する
- 施策の例
- 社内ドキュメントやチケットをAIから参照できる仕組み(MCPサーバーなど)の提供、指示ファイルのテンプレート化、ナレッジの集約
この目標の実データには「指示ファイルが整備されたリポジトリの割合」という、施策の進み具合に近い指標が入っています。これは第5章の型からすると下層寄りですが、認知負荷は実データで直接測りにくいため、施策の到達度を補助的に使っています。こうした場合は、体感の指標のほうを主として扱い、到達度だけが上がって体感が変わらないなら施策を見直す、という読み方をします。
目標案4:AIの出力を確かめる負担を見える化し、減らす
AIの普及で生まれた新しい負荷が、AIの出力の検証です。生成されたコードが正しいか、意図どおりか、セキュリティ上問題がないかを確かめる作業は、目に見えにくく、個人に偏りやすい負担です。
AIの出力を安心して使えるよう、検証の負担を減らす
- 狙い
- AIの出力をどこまで信頼し、どう確かめればよいかの基準があり、検証が個人の勘と根性に頼らない状態にする
- 体感の指標
- 「AIの出力が正しいか確かめるのに負担を感じる」の回答割合/「AIをどこまで使ってよいか迷うことがある」の回答割合
- 実データの指標
- デプロイの手戻り率/静的解析やセキュリティスキャンで検出される問題の件数の推移
- 歯止め
- 変更失敗率を悪化させない。全体の満足度を悪化させない
- 施策の例
- AI利用のガイドラインの明確化、AI出力向けの自動チェック(静的解析、テスト生成)の整備、検証のコツの共有会
目標案5:開発者が集中できる時間を守る
AIの普及で、作業の進め方そのものが変わりつつあります。エージェントに作業を任せて待つ、複数の作業を並行で進める、といった働き方は、うまくいけば効率を上げますが、頭の切り替えを増やして集中を損なうこともあります。
AI時代の新しい働き方でも、集中して作業できる時間を確保する
- 狙い
- AIとの並行作業や待ち時間による細切れを減らし、まとまった時間で考える仕事ができる状態にする
- 体感の指標
- 「集中して作業できる時間が十分ある」の回答割合/「作業の切り替えが多すぎると感じる」の回答割合
- 実データの指標
- 会議のない連続した時間の長さ(チーム単位の集計)/作業中に差し込まれたチケットの割合
- 歯止め
- チーム内の協力の体感(「困ったときに相談しやすい」)を悪化させない
- 施策の例
- エージェント活用の働き方の事例共有、待ち時間を減らすツール設定の支援、会議の集約
この目標の歯止めに協力の体感を置いているのは、第2章で見たように、集中を守るための施策(会議を減らすなど)がチーム内の協力を損ねることがあるからです。
北極星と、横断組織全体の目標の組み立て方
上の目標案は、すべて中層(開発者体験)の目標です。横断組織全体としては、これらを束ねる北極星(上層)と、全体の満足度を表す指標を1つ置くと、上層部への説明がしやすくなります。
| 層 | 内容 | 扱い |
|---|---|---|
| 北極星 | AIを含む開発の改善によって、各チームが新しい価値に使える時間を増やし、届け方を速く安定させる | 方向として掲げる。変更のリードタイム、新機能に使った時間の割合の推移を報告する |
| 全体の指標 | 開発者体験全体の自己評価(四半期アンケート) | 悪化させない約束。改善すればなお良い |
| 重点目標(1〜3個) | 目標案1〜5から、期初の診断で選んだもの | 挑戦の目標。4点セットで書く |
| 歯止め | 変更失敗率、デプロイの手戻り率 | 下げない約束 |
| 観測値 | AI利用率、PR数、AI生成の割合、節約時間の自己申告 | 目標にしない。毎月見て、目標の指標と食い違えば理由を探す |
ケーススタディ:3チームの診断から目標を選ぶ
目標案からどれを選ぶかは、期初の診断で決まります。ここでは架空の3チームを例に、アンケートと実データの結果から重点目標を選ぶまでの考え方を示します。数値はすべて説明のための架空のものです。
| 項目 | チームA(決済) | チームB(会員基盤) | チームC(新規サービス) |
|---|---|---|---|
| AIツールを週数回以上使う人 | 9割 | 8割 | 9割 |
| 「レビューを待たされる」に4以上 | 6割 | 2割 | 3割 |
| 「AIの出力を確かめる負担が大きい」に4以上 | 5割 | 2割 | 6割 |
| 「必要な情報がドキュメントで見つかる」に4以上 | 5割 | 2割 | 4割 |
| 最初のレビューまでの時間(中央値) | 半年前の約2倍に伸びている | 横ばい | 横ばい |
| PR数(観測値) | 半年前の約1.8倍 | 横ばい | 約1.3倍 |
| 手戻り率 | 横ばい | 横ばい | 上昇傾向 |
| 自由記述で多かった声 | レビュー担当が2人しかいない | 古い仕組みの仕様が誰にも分からない | AIのコードが社内規約に合わず手直しが多い |
チームAは、PR数が大きく増えた一方で、最初のレビューまでの時間が伸び、レビュー待ちの体感も悪い状態です。もし「PR数2倍」を目標にしていたら、このチームはほぼ達成したと評価されたでしょう。しかし実態は、AIで増えた変更がレビューで詰まり始めている段階です。体感と実データがそろって同じ問題を示しているので、重点は目標案1(レビュー)が適しています。手戻り率はまだ横ばいですが、レビューが追いつかないまま進めば悪化しうるので、歯止めとして注視します。
チームBは、実データの指標はどれも横ばいで、一見問題がなさそうです。しかしドキュメントの体感が非常に低く、自由記述からは古い仕組みの仕様が属人化していることが分かります。この種の問題は、実データだけを見ていると見逃されます。重点は目標案3(社内の文脈)で、古い仕組みの仕様をドキュメント化してAIからも参照できるようにする施策が候補になります。AIに既存コードを説明させて仕様書の下書きを作る、といったAIの使い方そのものが施策になりえます。
チームCは、AIの出力を確かめる負担が大きく、手戻り率も上がり始めています。自由記述の内容から、AIが社内の規約を知らないことが原因の一つと考えられます。重点は目標案4(AI出力の検証)と目標案3の組み合わせです。規約をAIの指示ファイルにまとめ、AI出力向けの自動チェックを整えることで、検証の負担と手戻りの両方に効く可能性があります。
3チームとも、AIの利用率は高く、差はほとんどありません。もし利用率を目標にしていたら、3チームとも「達成」で終わり、それぞれの本当の問題は見えなかったはずです。このケースは、利用率やPR数が観測値としては役に立つ一方で、目標としてはほとんど情報を持たないことをよく表しています。
横断組織全体の重点目標を選ぶときは、複数チームに共通する問題を優先します。この例なら、チームBとCに共通する「社内の文脈をAIと人が参照できない」問題(目標案3)を横断組織の重点にし、チームAのレビューの問題はチームA自身の重点目標として、横断組織は施策の知見を提供する形で支える、という分担が考えられます。
出力量や利用率の目標は観測値に格下げする。重点目標は、期初の診断で見えた詰まりに合わせて、レビュー、CI、社内の文脈、AI出力の検証、集中の5つの候補から1〜3個選ぶ。北極星、全体の指標、歯止め、観測値と組み合わせて、横断組織全体の目標にまとめる。
7. 計測の仕組み:アンケートとツールのデータ
目標の型が決まっても、測れなければ運用できません。この章では、体感を集めるアンケートと、実データを集めるツールの仕組みを、GitHub、Jira、CI、OpenTelemetry、Grafanaがある環境を前提に具体的に整理します。
アンケートの設計
体感の指標はアンケートで集めます。DevExの論文が勧めるように、アンケートは早く始められ、ツールのデータが整う前から基準値を取れます[1]。設計の要点は次のとおりです。
| 項目 | 推奨 | 理由 |
|---|---|---|
| 頻度 | 定期アンケートは四半期ごと。半期目標なら期初・期中・期末に近い3回(実質は四半期ごとに2回+期初) | 多くの組織で負担と鮮度のバランスが良いとされる[1]。半期目標の判断に最低限必要な点数を確保できる |
| 設問数 | 15〜25問、回答時間10分以内 | 長いアンケートは回答率と回答の質を下げる |
| 設問の形 | 具体的な体験を5段階で聞く。「どれくらいの頻度で」「どれくらい当てはまるか」 | 「生産性が上がったか」のような抽象的な評価より、期待や流行の影響を受けにくい |
| 設問の固定 | 主要な設問は毎回同じ文言で聞く | 文言が変わると推移を比較できない |
| 自由記述 | 「一番の詰まりは何か」「最近良くなったことは何か」を必ず入れる | 数字の背景と、まだ設問にない問題を拾える |
| 匿名性 | 個人は特定しない。集計はチーム単位で、回答者が少ないチーム(例:5名未満)は上位の単位にまとめる | 正直な回答を得るため。SPACEも匿名化したチーム単位の集計を勧めている[2] |
| 属性 | チーム、役割、経験年数、AIツールの利用頻度 | 分けて見ることで、平均に埋もれた問題を見つけられる[1] |
| 結果の返し方 | 2週間以内に集計を全員に共有し、それを受けて何をするかを示す | 「答えても変わらない」と思われると回答率が落ちる |
属性に「AIツールの利用頻度」を入れておくと、AIをよく使う人とそうでない人で体験に差があるかを見られます。ただし、差があっても、それがAIの効果だとは限りません。もともと新しい技術を試すのが好きな人がAIをよく使っている、という可能性もあるからです。差は「さらに調べる手がかり」として扱い、因果関係の証拠としては扱わないようにします。
具体的な設問案は付録Aにまとめています。
その場で聞く短いアンケート
四半期のアンケートだけでは、施策の効果を早く知ることができません。そこで、特定の施策の対象者に、その場で1〜2問だけ聞く短いアンケートを組み合わせます。たとえば、CIを改善したリポジトリで、パイプラインの完了通知に「今回の待ち時間はどうでしたか」と1問添える、新しいAI用の指示ファイルを導入したチームに2週間後に3問だけ聞く、といった形です。これが第5章の先行指標になります。
ツールから取る実データ
読者の環境ではGitHubとCIの指標が一部取れているので、そこを起点に広げます。下の表は、目標案で使う実データの取り方を整理したものです。
| 指標 | 取得元 | 集計の考え方 | 注意点 |
|---|---|---|---|
| PR作成から最初のレビューまでの時間 | GitHub(PRとレビューのイベント) | チーム・リポジトリ単位の中央値と90パーセンタイル。週次 | ボットや自動のPRは除外する。下書きのPRはレビュー依頼の時点から数える |
| PRのマージまでの時間 | GitHub | 同上 | 長期間放置されたPRが平均を歪めるので、中央値を使う |
| PRの変更行数 | GitHub | 中央値の推移。観測値として扱う | 自動生成ファイルやロックファイルを除外する |
| CIの所要時間 | CIツールのビルド履歴(APIまたはログ) | パイプライン単位の中央値と90パーセンタイル | 待ち行列の時間と実行時間を分けて取れると原因の切り分けがしやすい |
| 不安定なテスト | CIのテスト結果 | 同じコミットで成否が変わったテストの件数 | 再実行の履歴が残る設定にしておく |
| 変更のリードタイム、デプロイ頻度 | GitHubとデプロイの記録 | サービス単位の週次・月次 | デプロイの記録をCIから一か所に送る仕組みを作ると、以降の指標がすべて取りやすくなる |
| 変更失敗率、手戻り率 | デプロイの記録と障害・ロールバックの記録(Jiraなど) | 月次 | 「失敗」の定義(障害、ロールバック、緊急修正)をチーム間でそろえる |
| 差し込みチケットの割合 | Jira | スプリント中に追加されたチケットの割合 | チケットの運用がチームで違うので、チームの前後比較に限る |
OpenTelemetryとGrafanaで一か所に集める
実データの指標を継続的に見るには、ばらばらのツールから一か所にデータを集める仕組みが必要です。すでにOpenTelemetryとGrafanaを使っているなら、開発プロセスのイベントも同じ基盤に流す方法が考えられます。
- CIのパイプラインを計測する:パイプラインの各段階(待ち行列、ビルド、テスト、デプロイ)の時間をトレースやメトリクスとして送ると、どの段階が遅いのかを本番システムと同じ道具で分析できます
- GitHubのイベントを集計する:Webhookや定期的なAPI取得で、PR、レビュー、マージのイベントを集め、チーム・リポジトリ単位の指標にして送ります
- デプロイと障害を結びつける:デプロイのイベントに、対応するコミットやPRの情報を付けて送ると、リードタイムや変更失敗率を計算できます
- Grafanaで目標の画面を作る:目標ごとに、体感の指標(アンケートの集計値を手で入れても構いません)、実データの指標、歯止めの指標を1画面に並べます
大事なのは、最初から完璧な仕組みを作らないことです。半期の最初の1か月は、アンケートとGitHubのAPIから手作業で集計した値でも十分です。目標に使う指標が固まってから、自動化に投資します。計測の仕組みづくり自体が目標の大半を占めてしまうと、本来の改善に使う時間がなくなります。
AIの利用データの扱い
AIツールの多くは、利用者数や利用回数、提案の採用率などの管理用データを提供しています。これらは第4章の「利用」の側面のデータで、観測値として見るのに役立ちます。扱いの注意点は次のとおりです。
- 個人単位で見ない:個人の利用データは、本人の改善のために本人が見る以外には使わない。チーム単位で集計する[11]
- 提案の採用率を品質の指標と取り違えない:採用されたコードが正しいとは限らない。採用率は「AIの提案がどれだけ受け入れられているか」を示すだけ
- エージェントが作ったPRの扱いを決める:エージェントが自動で作ったPRは、それを指示したチームの成果として数える、といったルールを先に決めておく[11]
結果の読み方:小さな組織で数字に振り回されないために
アンケートの結果を読むとき、特にチームの人数が少ない場合は、数字の揺れに注意が必要です。10人のチームで「待たされる」と答えた人が4人から3人に減っても、それは1人の気分の違いかもしれません。次の点を意識すると、数字に振り回されにくくなります。
- 平均点より「当てはまる人の割合」を見る:5段階の平均点は、少数の極端な回答に引きずられます。「4以上と答えた人の割合」のように、意味が分かりやすい形で集計すると、報告もしやすくなります
- 小さな変化を成果と言わない:人数の少ないチームでは、1〜2人分の変化は誤差の範囲と考えます。複数回のアンケートで同じ方向に動き続けているか、実データも同じ方向に動いているかを合わせて判断します
- 回答率も記録する:回答率が大きく変わると、回答者の顔ぶれが変わり、比較の意味が薄れます。回答率が下がったときは、その理由(アンケート疲れ、繁忙期など)も記録しておきます
- 自由記述を数字と同じ重さで読む:数字は「どれくらい」を、自由記述は「なぜ」を教えます。自由記述を分類して、どんな詰まりが何件挙がったかを数えるだけでも、施策の優先順位づけに役立ちます。この分類作業はAIに下書きさせ、人が確認する形にすると負担を減らせます
- 実データは中央値と上位の値を両方見る:中央値は典型的な体験を、90パーセンタイルは「ときどき起きるひどい体験」を表します。開発者の不満は、平均的な日よりも、ひどい日の記憶から生まれることが多いものです
大事なのは、統計的に厳密な証明を目指すことではなく、判断を誤らない程度に慎重に読むことです。目標の評価は、数字の増減だけで機械的に行わず、チームとの対話で背景を確かめたうえで行います。
計測の公開範囲を先に決める
計測を始める前に、「誰が何を見られるか」を決めて全員に伝えます。これは技術の問題ではなく、信頼の問題です。
| データ | 誰が見られるか | 使わない用途 |
|---|---|---|
| アンケートの個票 | 集計担当者のみ(横断組織の担当者1〜2名) | 個人の特定、評価 |
| チーム単位の集計 | そのチームと横断組織 | チーム間の順位付け |
| 全体の集計 | 全員、上層部 | 個別チームの責任追及 |
| 個人の実データ(PR、AI利用など) | 本人のみ(希望する場合) | 評価、比較 |
体感は四半期アンケートとその場の短いアンケートで、実データはGitHub・CI・Jiraから集め、OpenTelemetryとGrafanaで一か所にまとめる。最初は手作業でよく、指標が固まってから自動化する。データは個人単位で使わず、誰が何を見られるかを先に宣言する。
8. 半期の運用と、上層部への説明
目標は立てた後の運用で意味が決まります。この章では、半期(約26週)をどう進めるかと、件数ではない目標を上層部にどう説明するかをまとめます。
運用の3つの約束
計測を始める前に、横断組織として次の3つを宣言します。これがないと、正直なアンケートの回答も、チームの協力も得られません。
- 個人の評価に使わない:アンケートもツールのデータも、個人の評価や査定には使わない。DX社の枠組みも、AIの指標を個人評価に使わないことを導入時に明言するよう勧めています[11]
- チームを順位付けしない:チーム同士を並べて比べない。比べるのは各チームの過去の値。チームごとにプロダクトや状況が違うため、横並びの比較は誤解を生みます
- 結果を返し、行動で応える:集計結果を全員に返し、それを受けて横断組織が何をするかを示す
-
1〜4週目:診断する
期初のアンケートを実施し、GitHubとCIから基準値を取る。各チームの結果を3次元で整理し、チームごとの一番の詰まりを特定する。この時点では目標は「方向」だけを書いておく。
終わりの条件:全チームの基準値と、詰まりの候補の一覧がそろっている
-
5〜6週目:目標を確定する
診断結果を各チームのリーダーと共有し、チームが自分の重点を選ぶ。横断組織は、複数チームに共通する詰まりから重点目標を1〜3個選び、基準値をもとに目標値を決める。上層部に目標と考え方を説明する。
終わりの条件:横断組織の目標が4点セットで書かれ、各チームの重点が決まっている
-
7〜12週目:施策を回す
施策を小さく始め、対象チームでその場の短いアンケートと実データの先行指標を見る。隔週で横断組織内の振り返りを行い、効いていない施策は早めに方向を変える。
終わりの条件:少なくとも1つの施策で、先行指標に変化の兆しが見えている
-
13週目前後:中間の確認
四半期アンケートを実施する。期初の値と比べ、体感と実データが同じ方向に動いているかを確かめる。食い違いがあれば、その理由をチームと話して探る。上層部に中間報告をする。
終わりの条件:後半に続ける施策と、やめる施策が決まっている
-
14〜24週目:広げる
効いた施策を他のチームに広げる。チームごとの手作業の支援は、繰り返し求められるならテンプレートや基盤に変える。計測の仕組みのうち、続けて使う指標を自動化する。
終わりの条件:効いた施策が、横断組織の手を離れても使える形になっている
-
25〜26週目:振り返る
期末のアンケートと実データで目標を評価する。達成・未達だけでなく、仮説(施策→体験→結果)のどこが当たり、どこが外れたかを記録し、次の半期の目標に引き継ぐ。
終わりの条件:結果と学びが全員に共有され、次期の診断の準備ができている
データを対話の材料にする
指標の数字が出たら、それを判定に使うのではなく、チームとの対話の入口にします。たとえば、あるチームで「レビューを待たされる」の回答が増えていたら、「なぜ遅いのか」を責めるのではなく、「何が変わったのか」を一緒に探ります。AIの導入でPRが急に増えたのかもしれないし、レビューできる人が異動したのかもしれません。数字だけでは分からない背景を聞き出すことが、正しい施策につながります。
体感と実データが食い違うときは特に、対話の価値が高くなります。CIの時間は短くなったのに「待たされる」の回答が減らないなら、待っているのはCIではなく別の何か(承認、環境の準備など)かもしれません。逆に、実データは変わらないのに体感が良くなったなら、待ち時間の予測がしやすくなった、通知が改善された、といった別の要因が効いている可能性があります。
上層部への説明
上層部は、「PR数2倍」のような分かりやすい数字を期待していることがあります。件数ではない目標を提案するときは、次の流れで説明すると理解を得やすくなります。
| 順番 | 伝えること | 根拠として示せるもの |
|---|---|---|
| 1. なぜ件数ではないか | 出力量は目標にすると取り繕われ、AIで簡単に水増しできる。数字が増えても開発が良くなった保証にならない | グッドハートの法則[13]、DX社による注意[10][11] |
| 2. AIで何が起きているか | AIは組織の強みも弱みも増幅する。使うだけでは届け方は良くならず、受け止める土台が必要 | DORAの2024年・2025年の調査[5][6] |
| 3. 体感だけでも危うい | 開発者がAIで速くなったと感じていても、実際には遅くなっていた研究がある。だから体感と実データを組み合わせる | METRの研究[12] |
| 4. 何を目標にするか | 開発者体験(待ち、迷い、集中)の改善を目標にし、届け方と品質の指標で結果を確かめる | DevExとDORAの枠組み[1][3] |
| 5. どう報告するか | 速さ、開発者体験、品質、事業への影響の4つを毎回並べて報告する | DX Core 4の型[9] |
報告の型として、DX Core 4の4側面を借りると便利です。上層部が気にする「速さ」と「事業への影響」を含みつつ、その裏で開発者体験と品質を同時に見せられるからです。たとえば次のような1枚にまとめます。
| 側面 | 見せる指標 | 期初からの変化 | 一言の解釈 |
|---|---|---|---|
| 速さ | 変更のリードタイム(中央値) | (記入) | (例:レビュー待ちの短縮が効き始めている) |
| 開発者体験 | 重点目標の体感の指標、全体の自己評価 | (記入) | (例:CIの待ちは改善、AI出力の検証負担は横ばい) |
| 品質 | 変更失敗率、手戻り率 | (記入) | (例:悪化なし) |
| 事業への影響 | 新しい機能に使った時間の割合(アンケートの自己申告で可) | (記入) | (例:保守対応の比率がわずかに低下) |
| 参考:AI利用 | 利用率、節約時間の自己申告 | (記入) | (観測値として掲載。目標ではない) |
この報告の型には、「PR数」や「AI利用率」を意図的に入れていません。上層部から求められた場合は、最後の参考欄に観測値として載せ、「これは状況を見るための値で、目標ではない」と添えます。隠すのではなく、位置づけを明確にして見せるほうが信頼を得られます。
個人評価に使わない、チームを順位付けしない、結果を返して行動で応える、の3つを先に宣言する。半期は診断→目標確定→施策→中間確認→展開→振り返りで進める。数字は対話の入口にする。上層部には、なぜ件数ではないかをDORAやMETRの研究で説明し、DX Core 4の4側面で報告する。
9. 落とし穴とよくある迷い
この型で目標を運用するときに陥りやすい落とし穴と、検討の場で出てきそうな疑問をまとめます。
落とし穴
| 落とし穴 | 症状 | 対策 |
|---|---|---|
| アンケートの点数が新しいPR数になる | 体感の点数を目標値にした結果、チームが「良い点をつけよう」と申し合わせる | 点数そのものより、自由記述と実データとの組み合わせで読む。点数をチームの評価に使わない |
| 指標が多すぎる | 追う数字が20個を超え、誰も全体を把握できない | 重点目標は1〜3個、それぞれ体感と実データを1〜2個ずつ。SPACEも、管理できる数に絞ることを勧めている[2] |
| 計測の仕組みづくりが目的化する | ダッシュボードの完成に半期を使い、改善が進まない | 最初は手作業でよい。自動化は指標が固まった後半に回す |
| 基準値なしで目標値を決める | 「レビュー24時間以内」と決めたが、すでに達成していた、または到底届かなかった | 最初の1か月で基準値を取ってから目標値を決める |
| 一律の目標を全チームに課す | 詰まりがないチームにも同じ改善を求め、意味のない作業が生まれる | チームごとに重点を選べるようにする |
| 体感の改善だけで成功とする | アンケートは良くなったが、届け方も品質も変わっていない | 体感と実データの両方が動いたかを確かめる。食い違いは調べる |
| 歯止めを見ない | 速さの目標は達成したが、障害と手戻りが増えていた | 報告の型に歯止めの指標を必ず入れる |
| AIの利用状況で人を見る | AIを使わない人が肩身の狭い思いをし、使ったふりが増える | 利用データは個人単位で見ない。使わない理由はチームの詰まりの手がかりとして聞く |
よくある迷い
結局、定量的な目標がないと上層部が納得しないのでは?
このページの目標の型には、定量的な指標が含まれています。体感の指標(アンケートの回答割合)も実データの指標(レビュー時間、CI時間)も数字です。違うのは、数字を出力量ではなく体験と結果に置いていることです。「定性か定量か」ではなく、「何を数えるか」の問題だと説明すると伝わりやすくなります。
アンケートの回答は主観的で、信頼できないのでは?
主観的であること自体は欠点ではありません。開発者が仕事を進めにくいと感じているという事実は、それ自体が改善すべき問題だからです。ただし、METRの研究が示すように、体感は実態とずれることがあります[12]。だからこそ、体感だけで判断せず、実データと組み合わせます。また、抽象的な評価(生産性が上がったか)ではなく具体的な体験(待たされる頻度)を聞くことで、回答のぶれを減らせます。
DXIやDX社の製品を導入しないと、この型は使えない?
使えます。DevExの論文の考え方は公開されており、アンケートは自分たちで設計できます。付録Aの設問案を出発点にしてください。DX社のような製品を使う利点は、他社との比較の基準(ベンチマーク)が得られることと、集計の手間が減ることです。自前で始めて、比較の基準が必要になったら検討するという順番で問題ありません。
半期で体感の数字は本当に動く?
施策の対象を絞れば動く可能性は十分あります。全社の平均は動きにくいので、まず施策の対象チームの数字を見ます。また、半期の途中で動かなくても、それは「施策が効いていない」という有益な情報です。目標の評価は、達成・未達だけでなく、仮説のどこが当たり外れたかの学びも含めて行います。
PR数は本当に見なくてよい?
見てください。ただし目標にはしません。PR数はチーム単位の観測値として毎月見て、目標の指標と食い違ったとき(体験は良くなったのにPR数が急減した、など)に理由を探る手がかりにします。DX Core 4も差分数を指標に含めていますが、目標値にしないこと、開発者体験の指標と対で見ることを強く求めています[10]。
AIの費用対効果を求められたらどうする?
DX社の枠組みでいう「コスト」の段階です[11]。影響が見えていない段階で費用対効果を計算すると、節約時間の自己申告のような楽観的な数字に頼ることになります。まず影響(体験と結果の改善)を示し、その後に「どの使い方が最も効いているか」を見て、費用をそこに集中させる、という順番を提案します。
横断組織の7名の評価はどうする?
チームの目標の達成度をそのまま個人の評価にすると、数字を取り繕う動機が生まれます。個人の評価では、目標に向けてどう判断し、どのチームをどう助け、何を学んで共有したかといった行動と貢献を見るほうが、目標の健全さを保てます。
各チームがアンケートに協力してくれない
最初の数回は、結果を返すことと、それを受けて横断組織が実際に何かを変えることに集中してください。「答えたら自分たちの困りごとが解決された」という経験が、次の回答の一番の動機になります。設問を短くし、回答時間を10分以内に抑えることも大切です。
点数の目標値化、指標の過多、計測の目的化、基準値なしの目標、一律の目標、体感だけの成功判定、歯止めの見落とし、AI利用での人の評価。この8つを避ければ、型の効果を保てる。
付録A:アンケート設問案
DevExの3次元に沿って、この記事で作成した設問案です。DXIなど既存のアンケートの設問ではありません。5段階(1:まったく当てはまらない〜5:とても当てはまる、または1:ほとんどない〜5:ほぼ毎日)で答える形を想定しています。主要な設問は毎回同じ文言で聞き、推移を見ます。
| 区分 | 設問 | 形式 | 関係する目標案 |
|---|---|---|---|
| フィードバックループ | CIやテストの結果を待たされて、手が止まることがある | 頻度 | 案2 |
| 自分のPRが最初のレビューを受けるまで、待たされていると感じる | 当てはまり | 案1 | |
| テストが通れば、安心してマージできる | 当てはまり | 案2 | |
| (レビューする人向け)レビューの量や大きさが負担になっている | 当てはまり | 案1 | |
| 認知負荷 | 担当しているコードベースは理解しやすい | 当てはまり | 案3 |
| 必要な情報をドキュメントで見つけられる | 当てはまり | 案3 | |
| 開発・テスト・デプロイの手順で迷うことがある | 頻度 | 案3 | |
| AIの出力が正しいか確かめるのに、負担を感じる | 当てはまり | 案4 | |
| AIの出力を社内の規約や設計に合わせて直す手間が大きい | 当てはまり | 案3 | |
| フロー状態 | 集中して作業できるまとまった時間が十分にある | 当てはまり | 案5 |
| 割り込みや作業の切り替えが多すぎると感じる | 頻度 | 案5 | |
| 自分の仕事の進め方を、自分で決められている | 当てはまり | 案5 | |
| 今取り組んでいる仕事の目的がはっきりしている | 当てはまり | 北極星 | |
| AIの使い方 | AIをどこまで使ってよいか、迷うことがある | 頻度 | 案4 |
| AIツールを使う頻度(使わない/週1回未満/週数回/ほぼ毎日) | 属性 | 観測値 | |
| 全体 | 全体として、開発者として仕事を進めやすい環境だと思う | 当てはまり | 全体の指標 |
| 今の仕事に満足している | 当てはまり | 全体の指標 | |
| 困ったときにチーム内で相談しやすい | 当てはまり | 歯止め | |
| 自由記述 | 今、仕事を進めるうえで一番の詰まりは何ですか | 記述 | 診断 |
| 前回のアンケートから良くなったと感じることは何ですか | 記述 | 振り返り |
属性として、チーム、役割(開発、レビュー中心、リードなど)、経験年数の区分を別に聞きます。回答者が少ない区分は、個人が特定されないよう上位の区分にまとめて集計します。
その場で聞く短いアンケートは、上の設問から施策に関係する1〜3問を選び、施策の対象者にだけ聞きます。例:CIの改善後に「CIやテストの結果を待たされて、手が止まることがある」を1問だけ聞く。
付録B:目標テンプレートと記入例
第5章の型を、そのまま埋められる形にしたテンプレートです。Confluenceなどに貼って使うことを想定しています。
# 目標名(体験の変化を一文で)
層 : 中層(開発者体験)
次元 : フィードバックループ / 認知負荷 / フロー状態
対象 : 支援先全体 / 特定チーム(チーム名)
狙い : どんな体験を、どう変えたいか(文章)
体感の指標 : アンケートの設問と、見る値(回答割合など)
基準値 : 期初アンケートの値(測定日)
目標 : 方向(下げる/上げる)→ 6週目に目標値を確定
実データの指標 : ツールから取る値と集計方法(中央値など)
基準値 : 期初の値(集計期間)
目標 : 方向 → 6週目に目標値を確定
歯止め : 悪化させない指標(期初の値)
観測値 : 目標にしないが一緒に見る値
施策(計画) : 中層を動かすための施策。件数は目標にしない
仮説 : 施策 → 体験 → 結果 がどうつながると考えるか
振り返り : 何が当たり、何が外れたか(期末に記入)
記入例
# AIで増えた変更を、レビューで詰まらせない
層 : 中層(開発者体験)
次元 : フィードバックループ
対象 : 支援先全体(重点はAI利用の多い3チーム)
狙い : AIで作られる変更が増えても、レビュー待ちが長くならず、
レビュー担当者も疲弊しない状態にする
体感の指標 : 「最初のレビューまで待たされていると感じる」
で4以上と答えた割合
基準値 : 期初アンケートで測定
目標 : 下げる(6週目に目標値を確定)
実データの指標 : PR作成から最初のレビューまでの時間(中央値、週次)
基準値 : 期初4週間の値
目標 : 短くする(6週目に目標値を確定)
歯止め : 変更失敗率、デプロイの手戻り率、
「レビューの負担が重い」の回答割合
観測値 : PR数、PRの変更行数の中央値、AI利用率
施策(計画) : AIに小さい単位で変更を作らせる指針の共有
AIによる事前レビューの試行(2チーム)
レビューの割り当てルールの見直し支援
仮説 : 事前レビューと小さな変更で人のレビューが軽くなる
→ 待ちが減る → リードタイムが短くなる
振り返り : (期末に記入)
付録C:用語集
| 用語 | 意味 |
|---|---|
| 開発者体験(DevEx) | 開発者が自分の仕事をどう感じ、どう捉えているかの総体。フィードバックループ、認知負荷、フロー状態の3次元で捉える |
| フィードバックループ | 自分の行動への反応(ビルド、テスト、レビューなどの結果)が返ってくるまでの速さと質 |
| 認知負荷 | 仕事をこなすために頭の中で処理しなければならない量 |
| フロー状態 | 集中して没頭し、手応えを感じながら仕事を進められている状態 |
| 体感(知覚)データ | 開発者がどう感じているかを、アンケートなどで集めたデータ |
| 実データ(ワークフローデータ) | ツールのログなどから集めた、システム上で実際に起きていることのデータ |
| 北極星 | 組織が最終的に目指す方向を示す指標や状態 |
| 歯止め(ガードレール)の指標 | 主目標の改善の代わりに悪化してはいけないものを見張る指標。改善目標ではなく「下げない約束」として扱う |
| 観測値 | 状況を知るために見るが、目標にはしない値 |
| 先行指標/結果指標 | 早く動き、施策の手応えを知るための指標/期末に成果を判断するための指標 |
| 中央値・90パーセンタイル | 値を小さい順に並べたときの真ん中の値/小さい方から90%の位置の値。極端な値に引きずられにくく、遅いケースの状況も見られる |
| 変更失敗率 | 本番へのデプロイのうち、障害や即時の対応を必要としたものの割合(DORA指標) |
| 手戻り率(リワーク率) | 予定外に行われた、問題対応のためのデプロイの割合(DORA指標、2024年に追加) |
| DXI | DX社の開発者体験指数。14問のアンケートを合成した指標 |
| グッドハートの法則 | ある数字を達成目標にすると、その数字が状況を正しく表さなくなるという経験則 |
出典
2026年10月30日時点で確認した資料です。本文中の番号はこの一覧に対応します。論文や報告書の内容は、このページの筆者が要約・再構成したもので、表や設問の例のうち「この記事による」と記したものは原典にはありません。正確な内容は原典を確認してください。
- DevEx: What Actually Drives Productivity(Abi Noda, Margaret-Anne Storey, Nicole Forsgren, Michaela Greiler/ACM Queue Vol. 21, No. 2, 2023)
- The SPACE of Developer Productivity(Nicole Forsgren ほか/ACM Queue Vol. 19, No. 1, 2021)
- A history of DORA's software delivery metrics(DORA)
- Accelerate State of DevOps Report 2024(DORA)
- Announcing the 2024 DORA report(Google Cloud Blog)
- 2025 State of AI-assisted Software Development(DORA/Google Cloud, PDF)
- DORA AI Capabilities Model(DORA)
- Unlocking AI's full potential: 2025 DORA AI Capabilities Model report(Google Cloud)
- Introducing the DX Core 4(Engineering Enablement, 2024-12-10)
- Measuring developer productivity with the DX Core 4(DX)
- AI Measurement Framework(DX)
- Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity(METR/arXiv:2507.09089, 2025)
- Goodhart's law(Wikipedia)
- Measuring developer productivity? A response to McKinsey(Gergely Orosz, Kent Beck, 2023-08-29)