メインコンテンツへスキップ

概要

このページでは開発生産性を向上させるために何を測るか、そして計測のどこでつまずきやすいかを扱います。広く使われる2つのフレームワークであるDORAのFour KeysとDevEx(Developer Experience、開発者体験)を説明します。そのうえで両者に共通する失敗、つまり数値は改善したのに実際の生産性は変わらない・悪化するという現象を整理します。 開発生産性の考え方では開発生産性の定義と3段階の整理を扱いました。このページはその続きです。なぜ測るかが決まったら、次に問うべきは何を測るか、そしてどのように落とし穴を避けるかです。

Four Keys(DORAの指標)

Four Keysは、ソフトウェアデリバリーのパフォーマンスを表す4つの指標です。高いパフォーマンスを発揮する技術組織を長年研究してきたDORA(DevOps Research and Assessment)が特定しました。2つがスループットを、2つが安定性を測ります。 この研究の中心的な発見は、スループットと安定性はトレードオフではないということです。パフォーマンスの高いチームは失敗率を低く保ったまま頻繁にデプロイし、素早く復旧します。小さな変更、自動テスト、継続的インテグレーションと継続的デリバリーという同じプラクティスが、両方を支えているためです。

Four Keysを使うときの注意

Four Keysが測るのはデリバリーのパイプラインであり、価値ではありません。開発生産性の考え方の3段階で言えばレベル1に対応し、変更がどれだけ効率よく確実に本番環境へ届いているかは分かりますが、その変更に作る価値があったかは分かりません。これだけで全体を捉えようとせず、レベル2・レベル3の観点と組み合わせて使います。 また、変更のリードタイムの起点はコードのコミットです。アイデアから実装に着手するまでの上流はこの指標の範囲外なので、変更のリードタイムが短くても、アイデアから価値提供までが端から端まで速いとは限りません。 定義とパフォーマンスレベルが固定ではない点にも注意する必要があります。DORAは年次レポートで指標の定義を見直しています。 2024年のレポートでは、5つめの指標として「デプロイのやり直し率(deployment rework rate)」が加わりました。デプロイのやり直し率は、本番環境のインシデントに起因する計画外のデプロイの割合です。同じレポートで、失敗デプロイの復旧時間は安定性からスループットに分類し直されました。2026年時点のDORAの公式ガイドでも、変更のリードタイム・デプロイ頻度・失敗デプロイの復旧時間をスループットに、変更失敗率とデプロイのやり直し率を安定性に分類した5指標のモデルが示されています。 「Elite」のようなパフォーマンスのクラスタも固定のしきい値ではなくその年の調査データから導かれます。公開されているベンチマークは参考値として扱ってください。自分たちで計測するときは定義を固定し、他社との比較よりも自チームの推移を優先して見るようにしてください。

DevEx(Developer Experience、開発者体験)

DevExとは、エンジニアが日々の業務で経験していることそのもの、つまりその環境で変更を作り、テストし、レビューし、リリースするときの体験です。アウトプットを直接数えるのではなく開発者が働く条件を良くすることで生産性を向上させるのがDevExのアプローチです。 DevExの研究ではこの体験を形づくる要因を3つの次元に整理しています。

フィードバックループ

ビルド・テスト・CIの結果・コードレビュー・デプロイなど、システムと人から返ってくる応答の速さと質。

認知負荷

タスクを実行するために必要な精神的な処理量。複雑なシステム、不慣れなフレームワーク、不十分なドキュメントで増えます。

フロー状態

タスクに完全に没頭し集中している状態。中断、計画外の作業、不明確な目標によって途切れます。

フィードバックループ

フィードバックが遅いと、開発者は待つか別のタスクに切り替えることになり、中断と遅延が生まれてフラストレーションが蓄積します。フィードバックが速ければ、コンテキストが新しいうちに素早く学び、軌道修正できます。 フィードバックループを改善するには、ツールとプロセスの両方を対象にした取り組みを行います。ビルドやテストの時間を短縮する、コードレビューや承認といった人の間の引き継ぎを速くする、デリバリーの経路上にあるチーム間のやり取りを整理する、といったものです。

認知負荷

認知負荷とはタスクを完了するために必要な精神的な処理量です。コードベースが複雑なとき、ドキュメントが欠けていたり古かったりするとき、タスクの途中で新しいツールやドメインを学ばなければならないときに増えます。認知負荷が高いと、同じ成果に対してより多くの時間と労力がかかります。 認知負荷を改善するには、開発者が頭の中に保持しなければならないものを減らす取り組みを行います。コードとドキュメントを整理する、日常の手続きにある不要な障害を取り除く、セルフサービスのツールを提供するプラットフォームチームを置く、といったものです。

フロー状態

フロー状態とは集中力と活力を持ってタスクに完全に没頭している状態です。フロー状態を頻繁に経験する開発者は多くの成果を出し、満足度や成長の実感も高くなります。 主な阻害要因は中断と遅延で、そのほかに自律性の欠如、不明確な目標、刺激のないタスクが挙げられます。 フロー状態を改善するには、中断されないまとまった時間を守る取り組みを行います。会議をまとめる、計画外の作業を抑える、支援依頼をまとめて処理する、挑戦的で意味のあるタスクについて開発者に自律性を持たせる、といったものです。

DevExの計測

DevExは補い合う2つの面から計測します。「認識」は開発者が業務と環境をどう感じているかで、主にアンケートで把握します。「ワークフロー」は仕事が実際にシステムとプロセスをどう流れているかで、主にツールのデータで把握します。 どちらか一方では不十分です。認識はシステムのデータに現れない問題を捉え、システムのデータは認識を事実で裏付けます。 次元ごとの指標に加えて、ソフトウェア提供の全体的な容易さの認識、従業員のエンゲージメント、認識された生産性といった全体の指標を、体験全体を表す北極星指標として置きます。

グッドハートの法則(指標を目標にしたときに起きること)

グッドハートの法則とは、計測指標が目標になると、それは良い計測指標ではなくなるという法則です。指標は代理にすぎません。デプロイ頻度はデリバリーの能力の、変更のリードタイムは開発プロセスの滑らかさの代理です。数値そのものが評価されるようになると、人は指標が映すはずだった能力を経由せずに数値を動かす方法を見つけます。 だからこそ、指標はチームの改善のために使い、個人の評価には使うべきではありません。指標が人事評価に入った瞬間、数値の最適化が合理的な行動になり、指標は実態を映さなくなります。 たとえば、変更のリードタイムを個人の評価に入れた場合を考えます。メンバーはすぐに終わる小さな修正を優先して引き受け、調査に時間のかかる不具合や大きなリファクタリングを避けるようになります。リードタイムの数値は短くなりますが、難しい課題は手付かずのまま残り、技術的負債が溜まっていきます。 複数の指標を合わせて見ることも有効です。1つの指標だけを都合よく動かす行為は、多くの場合、別の指標の悪化として現れます。たとえば変更失敗率の低下とデプロイ頻度の低下が同時に起きていれば、デプロイを控えているサインです。

計測のアンチパターン

次のパターンは指標を改善しながら実際の生産性を改善しない、むしろ悪化させることが多いものです。共通する根は指標の裏にある能力ではなく数値そのものを目標にしていることです。

デプロイの回数だけを増やす

高いデプロイ頻度はCI/CDによる自動化、小さな変更単位、自動テストといった能力の結果として得られるものです。その能力がないまま回数だけを増やすと、変更失敗率が上がり、障害対応に使う時間が増え、デプロイ作業自体が開発時間を奪います。先に前提となるプラクティスを整え、その結果として頻度が上がる順序を守ります。

リードタイムを見かけ上だけ短くする

変更のリードタイムの起点はコミットなので、実装をすべて終えてからコミットすれば、開発が速くなっていなくても数値は短くなります。 粗いコミットは履歴を読みにくくし、ロールバックも難しくします。そして計測されなかった序盤の時間にこそ、可視化で見つけるはずだった課題が隠れています。小さな単位でコミットし、指標が実態を映すようにします。 プルリクエストを必要以上に細かく分けるのも同じ構造です。一括変換のような機械的な変更は、複数ファイルにまたがっても1つのプルリクエストにまとめるべきです。ファイルごとに分けるとプルリクエストの数は増えますが、分割の手間とレビューの負荷も増えます。プルリクエストの数は適切な粒度に分割できているかの確認に使い、最大化する数値にはしません。 同様に、サイズを小さく見せるためにテストコードを別のプルリクエストに分けると、テストに守られていないコードが一時的にメインブランチに入ります。テストの追加を忘れる余地も生まれます。コードと対応するテストは同じプルリクエストに含めます。

レビューを省いて所要時間を短くする

コードレビューの省略はレビュー工程を短くする最も簡単な方法であり、最も高くつく方法です。レビューはバグの発見、品質の向上、知識の共有、属人化の軽減に役立っています。 レビューをなくすのではなく遅くしている原因を取り除きます。プルリクエストを小さくする、リンターやCIで機械的な指摘を自動化する、レビュアーの負荷を偏らせない、といった取り組みです。

デプロイを控えて変更失敗率を下げる

デプロイの回数を減らせば失敗の機会は減ります。しかし1回のデプロイに含まれる変更量が増えるため、予期しない相互作用のリスクが上がり、障害の影響範囲が広がり、原因の特定にも時間がかかるようになります。変更失敗率はデプロイを減らすのではなく1つひとつの変更を小さくしてテストを充実させることで下げます。 計上を避けるのも逆方向から同じことをしています。変更失敗率をhotfixの数から算出している場合、本来hotfixで対応すべき障害を通常のフローで処理すれば数値は低く保てますが、障害そのものは起きています。計上されなかった失敗は振り返りに現れず、チームは改善の機会を失います。まず正しく計測し、数値を良くするのはその次です。

アンケートのスコアを目標にする

DevExの「認識」の指標も、目標にすると同じことが起きます。満足度のスコアを目標に置いたり、チームや管理職の評価に結び付けたりすると、回答者は実態より良く答えるようになります。スコアは上がっても、開発者が抱えている問題は見えなくなります。 アンケートは、問題がどこにあるかを見つけるために使います。スコアの高さを競うのではなく、スコアの低い項目の原因を探って改善につなげます。

アンケートを取るだけで改善につなげない

アンケートを繰り返し取っても結果をもとに何も変わらなければ、開発者は答えても意味がないと受け止めます。回答率が下がり、認識を測る手段そのものが機能しなくなります。 アンケートは、結果をもとに改善を実行できる頻度で取ります。そのうえで、結果から何が分かり、何を変えたのかを回答者に伝えます。

関連ページ

開発生産性の考え方

このページの前提となる、開発生産性の定義、3段階の整理、なぜ測るかを扱います。

CI/CD

デプロイ頻度と変更のリードタイムを支える自動化を、具体的なパイプラインの設計として扱います。

コードレビュー

レビューを省略せずにターンアラウンドを短くする方法を、ツールの活用やセルフレビューを含めて扱います。

タスク分解

小さなプルリクエストの裏にある能力である、適切なサイズへの作業の分割を扱います。