みてね Tech Blog
⚖️

AIエージェントによる生産性の変化をPRから定量化してみた

に公開

はじめに

「家族アルバム みてね」(以下「みてね」) DataEngineeringグループの鶴田です。

2025年、AIによるコーディング支援は大きな進歩を遂げ、もはやAIエージェントなしでの開発は考えられなくなっている人も多いと思います。
みてね事業本部においても、Claude Code、Codex、Cursorといったツールが日常的に活用されています。

AIによる生産性の変化をどう測るか

AIエージェントの導入によって、なんとなく「生産性が上がった」「作業が加速した」といった実感は多くの人が持っていると思います。
みてね事業本部では、「AIによる30%の生産性向上を目指す」という目標が掲げられていますが、実際に自分たちの開発生産性がどのように変化したのか?を数字として示すのは難しいものです。

一つのわかりやすいやり方として、Four Keysと呼ばれる指標を計測する方法があります。
Findyさんの資料を引用しますが、以下の4つの指標を元に開発生産性を測るものです。

これらの指標を参考に、我々DataEngineeringグループにおいて以下の指標を月ごとに測り、各種AIツールの導入によって変化が見られたか?を測定してみることにしました。

  • マージされたPR数
  • マージまでの時間
  • 1人あたりのPR数
  • PRあたりの大きさ (変更行数・ファイル数)

分析方法

分析にあたっては、Vibe Codingによって作成した独自ツールを用いました。
完全に同一ではありませんが、ほぼ同じ分析が行えるコードを以下のリポジトリに公開しています。

https://github.com/kiakiraki/pr-analyzer

このコードでは、gh コマンドを用いて特定のGitHubリポジトリの統計情報を取得し、結果を月ごとに可視化することができます。

分析結果

実際に、DataEngineeringグループが「みてね」のバックエンドサーバに対して行った変更を可視化した結果がこちらです。

これは、2022/01/01〜2025/11/30 までの生産性の変化と、各種AIツールの導入時期をプロットしたものです。
(Chat-M という見慣れないツールがあると思いますが、これはMIXI内製のチャットツールです。)

PRの数の分析

まず、我々のグループのPR数には季節性があり、年の後半に多くのPRが出されていることが分かります。
DataEngineeringグループは 年間版1秒動画 という施策に大きく関わっているほか、みてね年賀状などの年末にリリースされる商品があることから、年の後半に開発量が大きくなっていると思われます。

全体的なPRの数は増加傾向にあり、2022年から2025年の間に約130%ほど増加していますが、一人当たりのPR数は (ややばらつきはあれど) 大きく増えていません。
このことから、単純にDataEngineeringグループの組織が拡大していったことによりPR数が増えているのではないか、と思われます。

マージまでの時間の分析

一方、PRがマージされるまでの時間は短縮傾向にあり、2022年から2025年の間に約40%ほど短縮しています。
AIツールとの直接的な因果関係をこの結果のみから断言することはできませんが、レビュー作業は徐々に効率化しているようです。

PRの大きさの分析

PRの大きさに目を向けると、Claude CodeやCursorといったAIエージェントが導入された時期から、明らかな行数の増加がみられます。
この変化の理由についてはチーム内で議論を行っていますが、以下のような要因があるかもしれません。

  • AIによってより複雑な作業が可能になった
  • AIによって作業の単位が変化した
  • テストコードがより網羅的に書かれるようになった

まとめ

この記事では、我々のグループにおけるAI導入前後の生産性の変化をPRをベースに分析してみました。
AIによる大幅な生産性の変化が確認できたというよりは、PRの大きさやレビュー時間においてAIの影響とみられる興味深い示唆が得られました。

同様の計測が行えるツールを公開していますので、是非皆さんの生産性も測定してみてください。

みてね Tech Blog
みてね Tech Blog

Discussion