2025年DORAレポート：AIはソフトウェアエンジニアリングのパフォーマンスを増幅している

人工知能はソフトウェアの構築方法を急速に変化させていますが、その影響は多くの組織が予想していたよりも複雑です。2025 年版 DevOps Research and Assessment (DORA) レポート『AI 支援型ソフトウェア開発の現状』によると、AI は自動的にソフトウェアデリバリーのパフォーマンスを向上させるわけではありません。むしろ、既存のエンジニアリング状況を増幅する乗数として作用し、高いパフォーマンスを発揮するチームを強化する一方で、プロセスが分断され、開発システムが不適切に構造化されている組織の弱点を露呈させます。 この調査は、約 5,000 人の技術専門家のアンケート回答と、100 時間以上の質的インタビューに基づいています。その中心的な結論は明確です：ソフトウェアエンジニアリングにおける AI の成功は、ツールの洗練度よりも、それを取り巻く組織システムの強さに依存します。エンジニアリング文化、プラットフォームの機能、開発ワークフロー、そして内部知識システムが最終的に、AI が生産性とデリバリー成果を向上させるのか、単に複雑さを加速させるだけなのかを決定します。 報告書の中で最も印象的な発見の一つは、AI ツールが開発者の日常業務にどれほど急速に組み込まれたかという点です。現在、開発者の約 90% が仕事で何らかの AI の支援を利用していると回答しています。そのうち約 3 分の 2 は、コード記述やドキュメント生成、デバッグ、あるいは見慣れないフレームワークの探索といったタスクにおいて、これらのツールに大きく依存していると言っています。多くの開発者はまた、生産性の明確な向上を実感しており、大きな割合の人が AI が問題解決をより迅速に行い、コードをより効率的に記述できる助けになると示しています。 こうした成果がある一方で、報告書は生産性と信頼の間にある持続的な緊張関係にも焦点を当てています。開発者が頻繁に開発タスクの加速のために AI に依存しているにもかかわらず、AI 生成コードの精度と信頼性については依然として慎重な姿勢を示す人が少なくありません。このためらいは、保守性、正しさ、そして長期的なシステムの安定性に関するより広範な懸念を反映しています。実際には、AI はコード生産の量と速度を増加させることが多いですが、適切なエンジニアリングの規律が伴わなければ、これらの成果がソフトウェアデリバリーのパフォーマンス向上に直結するとは限りません。 この動的な状況は、本レポートの最も重要な結論の一つにつながります。AI は、それが動作するエンジニアリングシステムの品質を増幅させるのです。成熟した DevOps 実践、明確に定義された開発ワークフロー、そして強力なプラットフォーム機能を備えた組織ほど、AI に起因する生産性向上を、配信パフォーマンスにおける測定可能な改善へと変換できる可能性が高いです。一方、ツールが断片化していたり、プロセスが不明確であったり、開発慣行が一貫していなかったりする組織では、逆効果が生じる可能性があります。こうした環境では、AI が技術的負債の創出を加速させ、コードレビューの複雑さを増大させ、すでに脆弱なシステムに不安定さをもたらす恐れがあります。 組織が開発環境へ AI をどのようにして成功裏に統合すべきかを理解する手助けとして、本レポートは「DORA AI Capabilities Model（DORA AI 能力モデル）」を提案しています。特定のツールや技術に焦点を当てるのではなく、このフレームワークは、AI が意味のある価値を提供するために必要な組織の能力セットを特定します。 これらの能力の一つ目は、AI 導入に関する明確な組織戦略を確立することです。AI で成功を収めている組織は、AI ツールがどのように使用され、ガバナンスされ、エンジニアリングワークフローに統合されるべきかについて、明示的なポリシーとガイドラインを定義する傾向があります。この明確さは、チームが AI を一貫して採用することを支援すると同時に、制御されていない実験に伴うリスクを低減します。 もう一つの重要な能力は、健全なデータエコシステムの存在です。AI ツールは、信頼性が高く構造化された情報へのアクセスに大きく依存しており、特に内部ドキュメント、アーキテクチャに関する知識、および歴史的開発データが重要です。これらの情報が散在していたり、適切に管理されていなかったりすると、AI ツールは有意義な支援を生成することが困難になります。 これと密接に関連するのが、内部知識へのアクセス可能性です。高品質なドキュメント、検索可能なナレッジリポジトリ（知識基盤）、構造化された内部データを維持している組織では、AI システムが開発者にとってさらに効果的なアシスタントとなることができます。これらの環境では、AI ツールは組織のアーキテクチャ、コーディング標準、運用プラクティスに合致した文脈に基づいた推奨事項を提供できます。 本レポートはまた、基礎的なエンジニアリングプラクティスが依然として重要であると強調しています。成熟したバージョン管理ワークフロー、規律あるコードレビュープロセス、一貫した開発標準が、効果的な AI 支援型エンジニアリングの基盤を形成します。これらのプラクティスを置き換えるのではなく、AI はそれらに依存しています。これらがなければ、開発速度の向上はすぐに運用リスクを生み出すことになります。 ユーザー中心の開発は、AI の成功した導入と強く関連するもう一つの要因です。純粋な技術的な成果物ではなく、ユーザーの成果に強い焦点を当て続けるチームは、AI をワークフローにより効果的に統合する傾向があります。この姿勢は、AI が単に生成されるコードの量を増やすのではなく、意味のある機能の提供を加速することを保証します。 プラットフォームエンジニアリングもまた、重要な促進要因として浮上しています。開発環境、デプロイパイプライン、インフラストラクチャサービス（infrastructure services）を標準化する内部プラットフォームは、AI ツールが一貫性があり予測可能なエコシステム内で動作できるようにします。この一貫性は、追加の複雑さや運用リスクを導入することなく、開発者が AI の提案をワークフローに統合しやすくします。 最後に、本報告書は小バッチでの作業の重要性を再確認しています。小さく漸進的な変更は、コードレビューの品質を向上させ、デプロイリスクを低減し、システムの安定性を維持しやすくします。AI ツールが大型または複雑なコード変更を生成する場合、開発プロセスに対する制御を維持するためにこれらのプラクティスはさらに重要になります。 この調査は、AI を活用した開発の時代におけるプラットフォームチームの重要性が高まっていることも強調しています。プラットフォームエンジニアリングへの投資（共通ツール、標準化された環境、明確に定義された開発ワークフロー）を行う組織は、AI ツールの導入において著しく良い成果を上げやすい傾向があります。プラットフォームは、AI がチーム全体でスケーラブルに機能しつつ、一貫性と信頼性を維持するための構造的基盤を提供します。 この基盤がない場合、AI の導入は新たな複雑さの形態を生み出す可能性があります。開発者がより大きなプルリクエストを生成したり、一貫性のないコーディングパターンを導入したり、確立されたアーキテクチャ基準に合致しない AI の提案に依存したりする恐れがあります。時間が経つにつれて、これらの課題は納期の遅延や運用リスクの増大につながります。 また、このレポートでは、AI がシステム安定性に与える潜在的な影響についても検討しています。AI は明らかに開発生産性を加速しますが、同時に迅速な実験やより大きな変更セットを促す可能性もあります。適切に管理されない場合、この動的な状況は欠陥の発生確率、デプロイ失敗、または運用上の不安定化を増大させる可能性があります。その結果、AI を導入する組織は、エンジニアリングの規律を緩和するのではなく、むしろ強化する必要があります。 AI の導入における技術的な側面を超えて、本レポートはエンジニアリングシステムの人間的・文化的側面に大きな重点を置いています。AI を成功裏に統合するチームは、開発者、プラットフォームチーム、セキュリティ専門家との間の強力な協力を育む傾向があります。彼らは、開発者が AI を効果的に活用する方法を理解できるよう支援するトレーニングプログラムへの投資を行い、エンジニアが洞察やベストプラクティスを共有できる実践コミュニティを構築します。 対照的に、AI の導入を純粋な草の根実験を通じて発生させることに任せた組織は、その恩恵をスケールさせるのに苦労することが多いです。個々のチームが生産性の向上を達成しても、これらの改善は孤立したままとなり、より広範な組織パフォーマンスへと転換されません。 この知見は、高パフォーマンスを持つエンジニアリング組織の未来が、DevOps の成熟度だけでなく、AI 支援ワークフロー、プラットフォームエンジニアリング、そして強力な開発者体験プラクティスの統合によって定義されることを示唆しています。これら要素はすべて、人間と機械の協力を支えるために設計された次世代のエンジニアリングシステムの基盤を形成します。 技術リーダーにとって、このレポートのメッセージは希望に満ちたものであると同時に警戒を促すものでもあります。AI はソフトウェア開発を大幅に加速し、開発者の体験を向上させる可能性を秘めています。しかし、これらの恩恵が自動的に得られるわけではありません。組織はまず堅固なエンジニアリング基盤を構築し、プラットフォーム機能を強化し、規律ある実験を支援する文化を育む必要があります。 結局のところ、レポートの中心的な洞察はシンプルですが力強いものです。人工知能（AI）は壊れたエンジニアリングシステムを修復することはできません。しかし、すでに堅固な基盤を築いた組織にとっては、これまでにないほど強力なエンジニアリングパフォーマンスの加速要因となり得るのです。 著者紹介 Craig Risi Craig Risi は多才な人物ですが、その才能をどう活用すべきかという感覚に欠けています。世界を変える活動に出ることも可能ですが、彼はむしろソフトウェアを作ることを好みます。彼はソフトウェアデザインへの情熱を持っていますが、それ以上に技術的に多様で絶えず進化し続けるテクノロジーの世界において、システム設計における品質やソフトウェアの品質に対する情熱を抱いています。 ソフトウェアをいじる時間がないときは、よく文章を書いたり、ボードゲームのデザインをしたり、理由もなく長距離走をしたりしているものです。 もっと見る 表示しない

2025年DORAレポート：AIはソフトウェアエンジニアリングのパフォーマンスを増幅している

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト