AIがソフトウェアエンジニアリング・パフォーマンスを増幅、2025年DORAレポート

原文リンク(2026-03-17)

人工知能はソフトウェア構築方法を急速に再定義しつつあるが、その影響は多くの組織が想定していたよりも複雑で微妙な様相を呈している。State of AI-Assisted Software Developmentと題された2025年版 DevOps Research and Assessment（DORA）レポートは、AIがソフトウェアデリバリーパフォーマンスを自動的に向上させるわけではないことを明らかにしている。むしろ既存のエンジニアリング条件の乗数として働き、ハイパフォーマンスなチームをさらに強化する一方で、断片化プロセスや構造的に未成熟な開発システムを持つ組織の弱点を露呈させている。

本レポートは約5,000名のテクノロジープロフェッショナルへのアンケート調査と、100時間以上に及ぶ定性的インタビューをもとに構築されている。その中心的な結論は明確である：ソフトウェアエンジニアリングにおけるAIの成功は、ツールの高度さよりもそれを取り巻く組織システムの強さに依存するということだ。エンジニアリングカルチャー、プラットフォーム機能、開発ワークフロー、社内ナレッジシステムが、最終的にAIが生産性やデリバリー成果の向上をもたらすか、あるいは単に複雑性を加速させるだけに終わるかを左右する。

レポートの中で最も注目すべき知見のひとつは、AIツールが開発者の日常業務にいかに迅速に組み込まれたという点である。現在、約90%の開発者が何らかの形でAIアシスタンスを業務に活用していると回答している。約3分の2は、コード記述、ドキュメント生成、問題のデバッグ、未知のフレームワーク探索といったタスクにこれらのツールを多用していると述べている。また多くの開発者がAIによって問題解決が迅速化し、コードをより効率的に記述できるようになったとして、生産性向上を実感しているとレポートしている。

こうした成果がある一方で、レポートは生産性と信頼性の間に持続的なテンションが存在することをハイライトしている。開発者は開発タスクの加速にAIを頻繁に活用しているが、かなりの割合がAI生成コードの精度や信頼性に対して慎重な姿勢を示している。この躊躇は保守性、正確性、長期的なシステムの安定性に関わるより広範な懸念を反映している。実際、AIはコードの生産量とスピードを高めることが多いが、適切なエンジニアリング規律が伴わなければ、こうした成果がソフトウェアデリバリーパフォーマンスの向上に直結するとは限らない。

このダイナミクスがレポートにおける最も重要な結論のひとつへとつながる：AIはそれが操作するエンジニアリングシステムの品質を増幅させるということだ。成熟したDevOpsプラクティス、よく定義された開発ワークフロー、強力なプラットフォーム機能を持つ組織は、AIによる生産性向上をデリバリーパフォーマンスの測定可能な改善へと転換しやすい。対象的にツールが断片化し、プロセスが不明瞭で、開発プラクティスに一貫性のない組織では逆効果が生じる可能性がある。それらの環境ではAIは技術的負債の蓄積を加速させ、コードレビューの複雑性を高め、すでに脆弱なシステムに不安定性をもたらす可能性がある。

組織がAIをその開発環境に成功裏に統合するための方法を理解しやすくするために、本レポートはDORA AI Capabilities Modelを提唱している。特定のツールや技術にフォーカスするのではなく、このフレームワークはAIが意味のある価値を発揮するために必要な組織ケイパビリティのセットを特定している。

これらのケイパビリティのひとつ目はAI導入に向けた明確な組織戦略の策定である。AIで成果を上げている組織はAIツールをエンジニアリングワークフローにどう活用し、管理し、統合するかに関する明示的なポリシーとガイドラインを定義する傾向にある。この明確さがチームの一貫したAI活用を促進しつつ、管理できない実験に伴うリスクを低減する。

もうひとつの重要なケイパビリティは健全なデータエコシステムの存在である。AIツールは特に社内ドキュメント、アーキテクチャナレッジ、過去の開発データといった信頼性の高い構造化された情報へのアクセスに大きく依存している。この情報が分散していたり、適切に管理されていなかったりすると、AIツールは意味のあるアシスタンスを提供することが困難になる。

これと密接に関連しているのが社内ナレッジへのアクセシビリティである。高品質なドキュメント、検索可能なナレッジリポジトリ、構造化された社内データを整備している組織では、AIシステムが開発者にとってはるかに効果的なアシスタントになり得る。そのような環境では、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沿ったコンテキスチュアル・レコメンデーションを提供できる。

本レポートは基本的なエンジニアリングプラクティスが引き続き重要であることも強調している。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、一貫した開発標準は効果的なAI支援エンジニアリングのバックボーンを形成する。これらのプラクティスに取って代わるのではなく、AIはそれらに依存している。これらがなければ、開発スピードの向上はオペレーショナル・リスクを急速に生み出すことになる。

ユーザー中心の開発は成功裏なAI導入と強く関連するもう一つの要因である。純粋な技術的アウトプットよりもユーザーアウトカムに強力にフォーカスするチームは、彼らのワークフローにより効果的にAIを統合する傾向がある。この方向性によりAIが単にコード生産量を増やすだけでなく、意味のある機能デリバリーを加速させることを確実化する。

プラットフォームエンジニアリングもクリティカルな実現基盤として浮上している。開発環境、デプロイパイプライン、インフラサービスを標準化する内部プラットフォームは、AIツールが一貫性のある予測可能なエコシステムの中で機能することを可能にする。この一貫性により、開発者は複雑性の増加やオペレーショナル・リスクを生むことなくAIサジェスチョンをワークフローに取り込みやすくなる。

最後に、本レポートはスモールバッチでの作業の重要性を改めて強調している。小規模で段階的な変更はコードレビューの品質を高め、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する。AIツールが大規模または複雑なコード変更を生成する場合には、開発プロセスの管理を維持するうえでこれらのプラクティスがさらに重要性を増す。

本研究はAI支援開発の時代におけるプラットフォームチームの重要性の高まりもハイライトしている。プラットフォームエンジニアリングのケイパビリティ：共有ツール、標準化された環境、よく定義された開発者ワークフロー、に投資している組織は、AIツールを導入した際にはるかに優れた成果を得る傾向にある。プラットフォームはAIを複数のチームにわたってスケールさせながら一貫性と信頼性を維持するための構造的な基盤を提供する。

この基盤がなければ、AIの導入は新たな形の複雑さを生み出しかねない。開発者は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標準に沿わないAIの提案に依存したりすることがある。時間の経過とともにこうした問題はデリバリーを遅らせ、運用リスクを増大させる可能性がある。

本レポートはシステム安定性に対するAIの潜在的影響についても検討している。AIは開発生産性を明らかに加速させる一方で、急速な実験やより大きな変更セットを促す可能性もある。このダイナミクスは適切に管理されなければ、障害、デプロイ失敗、または運用の安定性欠如の発生確率を高める可能性がある。その結果、AIを導入する組織はエンジニアリング規律を緩めるのではなく、むしろ強化しなければならない。

AIの導入における技術的側面に加え、レポートはエンジニアリングシステムの人的・文化的側面を重視している。AIの統合に成功しているチームは、開発者、プラットフォームチーム、セキュリティスペシャリスト間に強力なコラボレーションを育む傾向がある。彼らAIを効果的に活用する方法を開発者が理解するためのトレーニングプログラムに投資し、エンジニアがインサイト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ている。

対照的にAI導入を純粋に草の根活動に委ねている組織は、そのベネフィットをスケールさせることに苦労することが多い。個々のチームは生産性向上できるかもしれないが、そうした改善は孤立したままとなり、組織全体のパフォーマンス向上には結びつかない。

これらの知見はハイパフォーマンスな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、強力な開発者エクスペリエンス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る。これらの要素が組み合わさることで、人間とマシンのコラボレーションの両方を支える次世代エンジニアリングシステムの基盤が形成される。

テクノロジーリーダーにとって、本レポートのメッセージは勇気づけられると同時に警鐘的でもある。AIにはソフトウェア開発を大幅に加速させ、開発者エクスペリエンスを向上させるポテンシャルがある。しかしながらそのベネフィットは自動的に得られるものではない。組織はまず強固なエンジニアリング基盤を構築し、プラットフォーム・ケイパビリティに投資し、組織的な検証を支える文化を醸成しなければならない。

結局のところ、本レポートのクリティカルなインサイトはシンプルでありながら力強い。人工知能は壊れたエンジニアリングシステムを修復できない。しかしすでに強固な基盤を構築した組織にとっては、AIはこれまで登場した中で最も強力なエンジニアリングパフォーマンスのアクセラレーターになり得る。