DevOps指標で測る、AI活用が開発にもたらす成果

2026/06/24、弊社オフィスにて【AI効果検証meetup#2 】を開催しました。
弊社社員がLT（ライトニングトーク）を発表いたしましたので、こちらに掲載いたします。

Transcript

1. DevOps指標で測る、AI活用が開発にもたらす成果 燈株式会社　藤野 航平
2. Ⓒ Akari Inc. l Confidential 今⽇話すこと 2 AIにより作業量が増えるのは必然 どれだけはやくユーザーに価値を届けられたかを 評価の軸とする
3. Ⓒ Akari Inc. l Confidential ⾃⼰紹介 3 氏名 藤野　航平　（Kohei Fujino） 会社 燈株式会社 所属 DXソリューション事業本部 Devグループ ロール マネージャー / SWエンジニア 好きなラーメン 神田ラーメン わいず（ここから徒歩10分） 略歴 Web系ベンチャー、建設系の事業会社を経て、2023年燈に入社。 3Dモデルや生成AIを扱うシステムを担当することが多いです。 RDBが好きです。
4. Ⓒ Akari Inc. l Confidential 実際に操作できるものを早い段階で提供する 4 説明より、実際に触ってもらうほうが速 い。 使って初めて分かる価値がある。 機能要件をテキストや画像だけで伝えるに は限界があり、認識齟齬が起きやすい。 軌道修正を、なるべく早く行えるようにす る。 要件定義は難しい 価値を体感していただく はやく提供できるほど、間違った方向に作り込む前に気づける ≒ アジャイル
5. Ⓒ Akari Inc. l Confidential 量に惑わされない 5 AIを使えばコード量、チケット消化数は爆増する。 しかし、それは「顧客価値」が増えたことを意味しない。 Volume ≠ Value
6. Ⓒ Akari Inc. l Confidential Googleが提唱したソフトウェアデリバリーのパフォーマンスを評価するための4つの主要な指標 6 デプロイ頻度 DORA＝DevOps Research and Assessment 変更のリードタイム 変更の失敗率 サービス復旧時間 本番環境へソフトウェアをリリースする頻度 コードをコミットしてから本番環境で稼働するまでの時 間 デプロイ後に問題が発生し、修正が必要になる割合 本番環境で障害が発生した際、復旧にかかる時間
7. Ⓒ Akari Inc. l Confidential Googleが提唱したソフトウェアデリバリーのパフォーマンスを評価するための4つの主要な指標 7 デプロイ頻度 DORA＝DevOps Research and Assessment 変更のリードタイム 変更の失敗率 サービス復旧時間 本番環境へソフトウェアをリリースする頻度 コードをコミットしてから本番環境で稼働するまでの時 間 デプロイ後に問題が発生し、修正が必要になる割合 本番環境で障害が発生した際、復旧にかかる時間
8. Ⓒ Akari Inc. l Confidential デプロイ頻度は品質 + 速度 8 コーディングがどれだけ速くなっても 本番環境に届かなければ（デプロイ頻度が上がらなければ） AI導入は部分最適で終わっている可能性がある 品質の先行指標 FBの反映回数を直接的に示している デプロイ頻度の計装コストはゼロ パイプラインが詰まらずに流れているか（全 体最適） AIによって実装速度が上がった恩恵を、そのままユーザの価値に変換できているか
9. Ⓒ Akari Inc. l Confidential デプロイ頻度は計測がいますぐできる なぜDORAを採用するか 9 GitHub Deploymentsでリリースを管理している ログを取得するだけでデプロイ頻度を計測することができる gh api --paginate \ -H "Accept: application/vnd.github+json" \ "/repos/<リポジトリ名 >/deployments?per_page=100" \ --jq '.[] | {sha: .sha, env: .environment, created: .created_at}' デプロイ日時と環境を すべて取得する例
10. Ⓒ Akari Inc. l Confidential AIを完全導⼊したプロジェクトは1年⽬のリリース数が3倍になった 検証結果 10 ※ 4月から開発を開始したプロジェクト 昨年のあるプロジェクト 13回/月 5か月平均 直近のあるプロジェクト 39回/月 3か月平均 開発・テストフェーズにおける ClaudeCode/Devinの利用
11. Ⓒ Akari Inc. l Confidential 課題はあるが計測する仕組みが回り始めたことが⼤きい 11 課題 リリースラインが プロジェクトごとにバラバラ リリース運用の標準化と正規化 今後のアクション DORAの他3指標との相関が 未検証 変更失敗率、平均復旧時間の 追跡開始
12. 12 AIの価値は実装速度を速くすることではなく デリバリーの詰まりをなくし ユーザの価値に変換できているかと捉える
13. Ⓒ Akari Inc. l Confidential