DORA AI Capabilities Model (2025)

発表: 2025年12月（DORA 2025 Year in Reviewの記載による。dora.devページの2025-11-25は最終更新日）· 原文: https://dora.dev/ai/capabilities-model/

一文要約

State of AI-assisted Software Development 2025の伴走ガイドとして、AIの利益を増幅させる7つのケイパビリティと、それぞれの実行戦略・着手の戦術・進捗測定法を示します。

研究方法と限界

このモデルは、State of AI-assisted Software Development 2025と同じ2025年のDORA研究（技術専門家約5,000名のサーベイと100時間以上の定性データ）に基づく伴走ガイドです。ただし、dora.devの紹介ページには、ケイパビリティを選定した具体的な統計モデル、ケイパビリティごとのサンプルサイズ、効果量が記載されておらず、この要約でもレポートPDFで確認できていません。以下の「増幅する」という表現は、サーベイデータにおいてケイパビリティの水準によってAI導入と成果の関連が変わったこと（観察）を意味し、ケイパビリティを導入すれば同じ効果が得られると保証するものではありません。各ケイパビリティページの実行方法はDORAの推奨です。

7つのケイパビリティ

#	ケイパビリティ	核心
1	AIがアクセスできる社内データ	コード・ドキュメント・指標をAIに安全に接続し、汎用ツールを「社内の専門家」に変える
2	明確で共有されたAIスタンス	曖昧さが生むリスクを除き、心理的安全性を提供する
3	健全なデータエコシステム	高品質・アクセス可能・統合されたデータがAIの効果を増幅する
4	プラットフォームエンジニアリング	下流のボトルネックを除き、AIの速度をシステム成果に変える
5	ユーザー中心	増幅の方向を定める北極星。なければより速く誤った方向へ進む
6	バージョン管理	AIが生む非決定性への安全網。プロンプト・エージェント設定も管理
7	小さなバッチで作業する	不安定さへの核心的対応。速度を価値に変える

なぜこの7つか

DORAは大規模な定量研究から、AI導入のポジティブな効果を統計的に有意に増幅させるケイパビリティを選びました。（編集者の解釈） 本ガイドでは、ケイパビリティ1〜4をAI時代に新たに浮上したもの、5〜7を既存の核心ケイパビリティがAIによってより重要になったものとして読みます。この分類は原文では確認できない要約者の解釈であり、たとえばプラットフォームエンジニアリング（4）は2024 DORAレポートですでに取り上げられています。

特にレポートは以下の関係を強調します（観察された調整効果。調整効果とは、ある要因の水準によってAI導入と成果の間の関係の強さが変わる現象を指します）。

• プラットフォーム品質が高いとき、AI導入は組織パフォーマンスに強いポジティブ効果を与える。
• プラットフォーム品質が低いとき、AI導入の組織パフォーマンス効果はほぼ無視できる。
• データの健全性が高いとき、AIの組織パフォーマンスへのポジティブ効果が有意に増幅される。
• 明確なAIスタンスは個人の効果性・組織パフォーマンスを増幅し、摩擦を減らす。
• バージョン管理は個人の効果性とチームパフォーマンスへのAIのポジティブ効果を増幅する。
• 小さなバッチは製品パフォーマンスへのAIのポジティブ効果を増幅する。

各ケイパビリティ文書の構成

各ページは同じ構造に従います。

1. ケイパビリティの定義とAIの視点
2. 実装方法（段階別）または実行戦術
3. よくある落とし穴（Common pitfalls）と緩和策
4. 測定方法（サーベイ + システム指標）

読み方

• ざっと確認: 7つのケイパビリティ概要
• 1つずつ実行: 各ページの「実装方法」節
• 進捗測定: 各ページの「測定」節にある設問とシステム指標

あわせて読む

• State of AI-assisted Software Development 2025
• トークンマキシング時代のバランス — 7つのケイパビリティを代替案として提示

出典

本記事はDORAのAI Capabilities Modelを要約したものです。原文 © Google LLC、CC BY 4.0。