Impact of Generative AI in Software Development (2024年の研究)
発表: 2025年3月（2024年の研究に基づく。根拠: DORA 2025: Year in review）· 原文: https://dora.dev/ai/gen-ai-report/
一文要約
生成AIは個人のウェルビーイングと生産性を高めるが、ソフトウェアデリバリーの成果にはまだ負の影響がありうる。DORAはその理由として、AIが生成したコードがより大きなバッチとして流れ込み、レビュー・検証の負担を増やす点を挙げている。
背景
DORAは2024 DORAレポートで、AIの導入実態・態度・下流への影響を深く分析しました。2025年3月に公開された本レポートは、その2024年の研究の定量データと開発者インタビューを組み合わせ、誇張された言説を超えて個人 → チーム → 組織への影響をバランスよく俯瞰します。
研究方法と限界
本レポートは、2024 DORAのサーベイデータ、2024年9月に開発実務者10名を対象に実施した約90分の詳細インタビュー、Google社内の開発者研究の結果を併せて用いています（根拠: レポートPDF本文）。サーベイ分析の結果はAI導入水準と成果の間の関連であり、ランダム化実験によって因果関係を立証したものではありません。2024年サーベイの正確な回答者数とサンプル構成はこの要約では確認できていないため、原文PDFを参照してください。
このページでは、DORAがデータで確認した内容を「観察」、DORAがその結果を説明するために示した仮説を「説明の可能性」、DORAが組織に提案する行動を「推奨」と区別して記します。
6つの主要な発見
1. AIは個人のウェルビーイングと生産性を高める
生成AIを多用する開発者ほど、フロー状態の時間、職務満足度、生産性が高く、バーンアウトが低いと報告する傾向が観察されました（自己報告サーベイに基づく）。
2. 「価値ある仕事」の逆説
AI導入水準が高いほど、開発者が価値があると考える仕事に費やす時間は減り、反復的で退屈な作業の時間は変わらない傾向が観察されました。DORAはこれを真空仮説（vacuum hypothesis） という説明の可能性として解釈します。この仮説によれば、AIは開発者が好む価値あるタスクを速くしたが、官僚主義や会議のような苦痛はまだ自動化できていません。
3. AIは現在デリバリー成果を損なう
予想に反し、AI導入が25%増えることは、デリバリー処理量の1.5%減少、デリバリー安定性の7.2%減少と関連していました（観察）。DORAは、AIがコードをはるかに速く生成することでバッチサイズが大きくなり、レビューが遅れ、システムの不安定さが増しうる点を説明の可能性として示しています。このメカニズム自体を直接測定して立証したわけではありません。
4. 信頼が生産性を直接左右する
生成AIを信頼する開発者は提案をより多く受け入れ、変更リストをより多く提出し、情報探索時間が短い。しかし2024年の調査では、39%の開発者がAI出力を「少し信頼している」または「まったく信頼していない」 と答え、多くのチームが潜在的な生産性の利益を逃しています。
5. 5つのレンズで捉える「価値」
AIは開発者が自分の労働の価値を認識する方法を変えます。DORAは価値を5次元に整理します。
| 次元 | 意味 |
|---|---|
| 実用的（utilitarian） | 世界への影響 |
| 評判的（reputational） | 承認・貢献の帰属 |
| 経済的（economic） | 報酬 |
| 内発的（intrinsic） | 学び・達成の価値 |
| 快楽的（hedonistic） | 楽しさ |
6. 信頼と価値が導入を決める
組織が不安に向き合い、学習時間を与え、明確なポリシーを定めた場合、チームのAI導入水準がより高く推定されました（下記の戦略を参照）。
組織のための4つの実行戦略（推奨）
以下の百分率は、DORAが1,000件のサーベイをベイズ回帰モデルで分析して得たモデル推定値です（導入戦略の要約の方法論ノート）。戦略がある組織とない組織のチームAI導入水準を比較した相対的な差であり、パーセントポイントの増加ではなく、実際に導入したときに得られる効果を保証する値でもありません。
- 雇用喪失の懸念に透明に向き合う。 雇用の置き換えなど、開発者のAIに関する懸念に明確に向き合う組織は、そうでない組織よりチームのAI導入が約125%高いと推定される。（AI戦略を透明に共有することだけに関連した推定値は約11.4%で、別の戦略である。導入戦略のインサイトを参照）
- 専用の学習時間を提供する。 勤務時間内に実験・探索の時間を与えた組織は、チーム導入が約131%高いと推定される。 個人の時間に期待するとフラストレーションとバーンアウトにつながる。
- 明確な許容利用ポリシー（AUP）を定める。 ユースケース・データプライバシー・セキュリティリスクを規定した組織は、そうでない組織よりAI導入が約451%高いと推定される。
- 速く高品質なフィードバックループに投資する。 自動テストと速いコードレビューでAI起因のエラーを本番前に遮断し、信頼と信頼性の好循環を作る。
実践者への含意
個人レベルではリスクの低いタスクからAIを使い信頼を築き、チームレベルではバッチを小さく保つことが鍵です。AIが生成するコード量が増えるほど、レビュー・テスト・統合のボトルネックが大きくなるため、基本のエンジニアリング規律がむしろ重要になります。
出典
本記事はDORAのImpact of Generative AI in Software Developmentを要約したものです。原文 © Google LLC、CC BY 4.0。