DORA AI Capabilities Model (2025)

발간: 2025년 12월(근거: DORA 2025 Year in Review). dora.dev 리포트 소개 페이지에 표시된 2025년 11월 25일은 발간일이 아니라 페이지의 최종 갱신일(Last updated)입니다. · 원문: https://dora.dev/ai/capabilities-model/

한 줄 요약

State of AI-assisted Software Development 2025의 동반 가이드로, AI의 이득을 증폭시키는 7개 역량과 각 역량의 실행 전략·시작 전술·진척 측정법을 제시합니다.

연구 방법과 한계

이 모델은 State of AI-assisted Software Development 2025와 같은 2025년 DORA 연구(기술 전문가 약 5,000명 설문과 100시간 이상의 정성 데이터)를 바탕으로 한 동반 가이드입니다. 다만 dora.dev 소개 페이지에는 역량을 선별한 구체적인 통계 모델, 역량별 표본 크기, 효과 크기가 나와 있지 않으며, 이 요약에서도 리포트 PDF로 확인하지 못했습니다. 아래 "증폭한다"는 표현은 설문 데이터에서 역량 수준에 따라 AI 도입과 성과의 연관 관계가 달라진 것(관찰)을 뜻하며, 역량을 도입하면 같은 효과가 난다고 보장하는 것은 아닙니다. 각 역량 페이지의 실행 방법은 DORA의 권고입니다.

7대 역량

#	역량	핵심
1	AI가 접근 가능한 내부 데이터	코드·문서·지표를 AI에 안전하게 연결해 범용 도구를 '사내 전문가'로 바꾼다
2	명확하게 공유된 AI 입장	모호함이 만드는 리스크를 제거하고 심리적 안전을 제공한다
3	건강한 데이터 생태계	고품질·접근 가능·통합된 데이터가 AI 효과를 증폭한다
4	플랫폼 엔지니어링	하류 병목을 없애 AI의 속도를 시스템 성과로 전환한다
5	사용자 중심	증폭의 방향을 잡는 북극성. 없으면 더 빠르게 잘못된 곳으로 간다
6	버전 관리	AI가 만든 비결정성에 대한 안전망. 프롬프트·에이전트 설정까지 버전 관리
7	작은 배치로 작업하기	불안정성에 대한 핵심 대응. 속도를 가치로 바꾼다

왜 이 7개인가

DORA는 대규모 정량 연구에서 AI 도입의 긍정적 효과를 통계적으로 유의하게 증폭시키는 역량을 선별했습니다. (편집자 해석) 이 가이드는 역량 1-4를 AI 시대에 새로 부각된 역량으로, 역량 5-7을 기존 핵심 역량이 AI로 인해 더 중요해진 경우로 나눠 읽습니다. 이 분류는 원문에서 확인되지 않은 요약자의 해석이며, 예컨대 플랫폼 엔지니어링(4)은 2024 DORA 리포트에서도 이미 다뤄졌습니다.

특히 리포트는 다음 관계를 강조합니다(관찰된 조절 효과. 조절 효과란 한 요인의 수준에 따라 AI 도입과 성과 사이의 관계 강도가 달라지는 현상을 말합니다).

플랫폼 품질이 높을 때 AI 도입이 조직 성과에 강한 긍정 효과를 준다.
플랫폼 품질이 낮을 때 AI 도입의 조직 성과 효과는 거의 무시할 수준이다.
데이터 건강도가 높을 때 AI의 조직 성과 긍정 효과가 유의하게 증폭된다.
명확한 AI 입장은 개인 효과성·조직 성과를 증폭하고, 마찰을 줄인다.
버전 관리는 개인 효과성과 팀 성과에 대한 AI의 긍정 효과를 증폭한다.
작은 배치는 제품 성과에 대한 AI의 긍정 효과를 증폭한다.

각 역량 문서의 구성

각 역량 페이지는 동일한 구조를 따릅니다.

역량 정의와 AI 관점
구현 방법(단계별) 또는 실행 전술
흔한 함정(Common pitfalls)과 완화책
측정 방법(설문 + 시스템 지표)

읽는 법

빠르게 훑기: 7대 역량 개요
하나씩 실행하기: 각 역량 페이지의 "구현 방법" 절
진척 측정: 각 역량의 "측정" 절에 있는 설문 문항과 시스템 지표

함께 볼 자료

State of AI-assisted Software Development 2025
토큰맥싱의 시대, 균형 찾기 — 7대 역량을 대안으로 제시

출처

DORA AI Capabilities Model (2025) ​

한 줄 요약 ​

연구 방법과 한계 ​

7대 역량 ​

왜 이 7개인가 ​

각 역량 문서의 구성 ​

읽는 법 ​

함께 볼 자료 ​