AIは開発者のベロシティーをどのように再定義するのか:エンジニアリングリーダー向けガイド

公開日 2026年09月14日
レースカーの整備を行うピット・クルー
By Cole Stryker

数十年にわたり、ソフトウェア開発は人間の能力の限界によって制約を受けてきました。コンピューターは命令を実行できますが、その命令は依然として人間が作成する必要があるためです。

しかし今、その状況が変わりつつあります。AIはコードを生成できるだけでなく、AIエージェントは自律的にコードベースを検査し、ファイルを変更し、テストを実行し、エラーを修正することができます。これにより、開発がスピードアップするだけでなく、ソフトウェアの構築方法に根本的な変化がもたらされています。

これまで、多くの異なるDevOpsプラクティスにおいて、開発者のベロシティーを向上させるために多様なアプローチが採用され、さまざまな要素が重視されてきました。例えば、アジャイル開発やスクラム開発は、迅速な反復を通じてチームのパフォーマンスを向上させるものです。しかし、これらは人間のワークフローを中心に構築されていました。

昨今、開発者のベロシティーは、AI駆動型開発ライフサイクル(AI-DLC)の処理能力という観点で捉えられるようになっています。つまり、人間の開発者またはそのチームがどれだけ効率的にAIエージェントを活用し、ビジネス価値を生み出せるかによって測定されるのです。「コードを書くこと」から「AIやツールを指揮・調整すること」へのこの変化は、開発者の主な役割そのものの変化を意味します。だからこそ、開発者のベロシティーをどのように定義し、向上させ、測定するかを見直す必要があります。

今日のこうした状況の中で開発者のベロシティーを向上させるには、エンドツーエンドのソフトウェア開発ライフサイクル (SDLC)全体に目を向ける必要があります。そして、その出発点となるのが開発者エクスペリエンスです。

開発者エクスペリエンスとAI

開発者エクスペリエンス(DevEx)は、組織のシステム、ワークフロー、Developer Tools、文化、作業環境が開発者の生産性にどのように影響するかを表す包括的な用語です。これには、価値を生み出さないタスクを最小限に抑え、ワークフローを自動化し、リソースを一元化し、連携を合理化し、開発者が早期かつ頻繁にエラーを検出できるような緊密なフィードバックループを実装することが含まれます。

DevExで重要なのは、認知負荷を軽減し、途切れなく集中できる「フロー状態」を生み出すことです。これらの目標を達成する方法として挙げられるのが、セルフサービス型のinfrastructure-as-codeワークフローや、社内開発プラットフォームの導入です。こうした開発環境では、開発者が基盤となるインフラストラクチャーをすべて自分で管理する必要がなくなり、ソフトウェアの構築、デプロイ、運用が容易になります。

一度構築されると、エージェント型コーディング・アシスタントはIDP内で動作し、静的なポータルから、より動的でタスク指向の環境への変革を支援できます。例えば、IBM Bobはプラットフォームのコンポーネントと統合し、以下のようなタスクを支援できます。

  • サービスのテンプレートや標準の読み取り

  • CI/CD構成やワークフローとの対話

  • リポジトリー間でのコードの生成と修正

  • (適切な承認を得た上での)ビルド、テスト、およびデプロイメントのトリガーの支援

  • 接続されたツールを通じたログやオブザーバビリティー・データの解釈

共同作業プロセスの改善も、開発者のベロシティーに大きな影響を与える可能性があります。開発者がコードの作成にすべての時間を費やすことはほとんどありません。その間には、ビルド待ち、ドキュメンテーションの検索、環境の構成、権限のリクエスト、馴染みのないコードの調査、レビュー待ち、デプロイメントのトラブルシューティング、会議への出席、ツールの切り替えなどの時間が発生します。多くの場合、こうした時間はダウンタイムとして記録されます。一人分だけ見るとわずかな時間に思えるかもしれませんが、数百人、数千人の開発者の分だけ発生していると考えると、莫大な組織コストにつながる可能性があります。この問題は、開発者のベロシティーを低下させる主な原因の1つです。また、いわゆる「10xエンジニア」であっても、その効率はそのエンジニアの周りに構築されたシステムの効率に左右されます。

効率的なコード・レビュー、明確なコミュニケーション・プロトコル、 コード・ドキュメンテーションの共有所有権をはじめ、大規模なエピックを小さく管理しやすい プル・リクエスト(PR)に分割するといった取り組みは、開発者のスピード向上に長期的な成果をもたらします。

幸いなことに、こうしたコラボレーションの多くはAIによってさらに強化することが可能です。AIは、知識の不足や偏りを補い、チームや部門間の認識合わせを促進する「誰でも利用できるパートナー」として機能します。たとえば、AIは要件の合成、構造化されていないフィードバックの翻訳、ワークフローの統合による手動の引き継ぎの削減、ドキュメンテーションの自動生成、コード・リポジトリ内での永続的なコンテキストの維持などを行うことができます。

AIによる開発ワークフローの自動化

反復的なタスク、特に開発者が面倒に感じやすいタスクに費やす時間は、AIを使うことで最小限に抑えることが可能です。自動化されたCI/CDパイプラインを使えば、コード変更を自動的にビルド、テスト、マージして、バグを早期に検出できます。また、自動テストによって、これまで必要だった手作業のオーバーヘッドを排除しながら、コードの品質を確保できます。

IBM® BobのようなAI codingアシスタントは、開発者のベロシティー向上のために組織が実装できる、唯一にして最大の手段と言えるでしょう。これらのツールは、ボイラープレート・コードの生成からテストの自動化まで、SDLCの多くの作業を処理できます。例えば、ある組織はBobを使ってデリバリーの速度を約90%向上させ、Java 25へのアップグレード期間中に、160時間以上のエンジニアリング時間をより価値の高い作業に充てました。

AI Codingアシスタントは、単にコードを生成するだけではありません。エージェント機能を備えたコーディング・ツールは、次のような多くの開発タスクを自律的に実行できます。

  • 馴染みのないコードの説明

  • テストの作成

  • デバッグ

  • リファクタリング

  • ドキュメント作成ソフトウェア

  • レガシー・アプリケーションの移行

  • プル・リクエストのレビュー

  • 要件の実装への変換

  • 開発ツールの指揮・調整

AI-DLCは、SDLCを拡張したものです。SDLCは、完全にAIを中心に構築されたソフトウェア開発方法論であり、大規模言語モデル(LLM)またはモデル群を、ソフトウェア開発のあらゆる段階で積極的なコラボレーターとして扱います。AIは単なるSDLCの一部ではなく、SDLCの中心的存在であり、AIと人間が継続的に連携しています。エージェント型ワークロードは人間の生産性では拡張できない範囲まで拡張できるため、この方法論は開発者の生産性を向上させる無限の可能性を秘めています。

アプリケーション開発

さあ、クラウドでエンタープライズ・アプリケーション開発を始めましょう

この動画では、Peter Haumer博士が、IBM Z Open Editor、IBM Wazi、Zoweなどのさまざまなコンポーネントとプラクティスを実演しながら、ハイブリッドクラウドでの最新エンタープライズ・アプリケーション開発について説明します。

開発者のベロシティーの測定

ソフトウェア開発は抽象的な知識労働であるため、開発者のベロシティーを測定することは難しいとされてきました。アウトプットを単純に数えることはできません。コミット数が多いからといって、必ずしもソフトウェアの質が向上するとは限らず、コードの行数が多いからといって、優れたエンジニアリングにつながるわけではありません。同様に。プル・リクエストのスピードが上がっても、欠陥が増えるならそれは必ずしも良いこととは言えません。

組織が開発者のベロシティーを最大限に高めたいと考えるのは当然です。しかし、誤ったものを出荷したり、欠陥が生じたり、後で開発の遅れにつながる技術的負債を生んで結果的に作業の遅れにつながったりすのなら、ソフトウェアを迅速に出荷しても意味がありません。1日に100回デプロイするチームが、1日に10回デプロイするチームに比べて必ずしも生産的であるとは限りません。組織は コードの品質を考慮する必要があるのです。

開発者のベロシティーは、最終製品の顧客満足度や毎日解決されるJiraチケットの数だけで完全に表すことはできません。これらすべてを含めた上で、ビジネス性能の向上を測るには、それ以上の要素を考慮することが重要です。

エージェント型AIの場合、この測定はさらに難しくなります。生成AIツールは瞬時に大量のボイラープレート・コードを生成できるため、コード量がますます無意味な指標となるためです。AIの導入により、開発者のベロシティーの測定指標は、単純な作業回数から、全体的なシステムの効率、品質、ビジネス成果へとシフトしています。

2015年以来、DevOps Research and Assessment(DORA)[x]プログラムでは、ソフトウェアの配信と運用性能を促進する機能の理解に尽力してきました。DORAは、個人の生産性ではなく成果に焦点を当て、ソフトウェア提供能力を測定する5つのDORAメトリクスを定義しています。

  • デプロイメントの頻度:コードが本番環境に到達する頻度

  • 変更のリードタイム:コードのコミットから本番稼働までの時間

  • 変更失敗率:インシデントを引き起こす、または修正プログラムが必要なデプロイメントの割合

  • 平均修理時間(MTTR):「デプロイ失敗からの復旧時間」とも呼ばれ、問題発生後にチームがサービスを復旧する速さ

  • デプロイメントのリワーク率:本番環境のインシデントに起因する、計画外のデプロイメントの割合

その他の一般的な測定基準には、次のようなものがあります。

  • 完了したストーリー・ポイント:作業を完了するために必要な相対的な労力、複雑さ、および不確実性の推定値
  • プル・リクエストのサイクル時間:プル・リクエストを開いてからコード・ベースにマージするまでの時間

  • ビルドとテストの所要時間:コードのコンパイルとビルドにかかる時間、および自動テストの完了にかかる時間

  • コード・レビューの完了時間:開発者がコード・レビューの完了を待つ時間

  • 待機時間とアクティブなコーディングの時間:開発者が生産的な開発に費やした時間と、他の依存するソフトウェア開発プロセスを待つ時間の割合

  • 開発者の満足度:開発者の全体的な開発エクスペリエンスに対する満足度(通常はサーベイを通じて測定)

開発者のベロシティー指数(DVI:developer velocity index)は、組織が達成した開発者のベロシティーのレベルを表すことを目的に設定された総合スコアです。DORAとは異なり、これは普遍的に標準化されたメトリクスではありません。これはMcKinsey & Companyの研究およびベンチマーク・フレームワーク[x]が定義した指標であり、ツール、文化、人材管理、そして、これまでに紹介したようなさまざまな要素を考慮して、その組織で開発者がどれだけ効率的に高価値のソフトウェアを開発できるかを表します。

こうした高度なフレームワークを活用することで、リーダーは開発者のベロシティーをより正確に把握できますAIのメリットを最大限に享受したいと考える組織は、単に開発者に最新ツールの使用を求めるだけでは終わりません。AIを取り巻くワークフローを再設計し、エージェント型の世界における「開発者のベロシティー」の真の意味をしっかりと捉えたフレームワークを使用して、その成功を測定します。

執筆者

Cole Stryker

Staff Editor, AI Models

IBM Think

関連ソリューション
IBM Bob

安全で趣旨に添った開発を支援するAIパートナーのBobを活用して、ソフトウェア・デリバリーを加速させましょう。

IBM Bobはこちら
AIコーディング・ソリューション

信頼性の高いAI駆動型ツールを活用することで、コード作成、デバッグ、リファクタリング、コード補完に費やす時間を最小限に抑え、イノベーションに集中できる余地を広げます。

AIコーディング・ソリューションはこちら
AIコンサルティングとサービス

AIの導入によって重要なワークフローと業務を再構築し、エクスペリエンスとビジネス価値の最大化とリアルタイムの意思決定の最適化を達成します。

AIコンサルティング・サービスはこちら
次のステップ

生成AIと高度な自動化を活用して、企業向けのコードをより迅速に作成Bobモデルは開発者のスキルセットを強化し、開発とモダナイゼーションの取り組みを簡素化、自動化します。

  1. IBM Bobの詳細
  2. AIコーディング・ソリューションはこちら