DORA AI Capabilities Model レポート（バージョン 2025.1）は、Google の DORA 研究プログラムが、このモデルを最初に紹介した 2025 年の State of AI-assisted Software Development レポートの実践的な手引きとして発行したものである。レポートは DORA AI ケイパビリティモデル を提示する。これは技術面と文化面にまたがる 7 つのケイパビリティで、DORA の 2025 年の研究によって、個人の有効性、チームとプロダクトのパフォーマンス、コード品質、スループット、組織のパフォーマンスといった成果に対する AI 導入のプラスの影響を増幅することが明らかになったものである。レポートはこのモデルを、長く使われてきた DORA Core Model を置き換えるものではなく、補完するものと位置づけている。
知見は、DORA が 2025 年に実施した、100 時間を超える定性データと約 5,000 人の技術職の専門家からの調査回答からなる研究に基づいている。レポートは各ケイパビリティについて、それが AI にとってなぜ重要か、どう改善するか、よくある障害、そしてどう測定するかを説明しており、使用した DORA の調査項目と追加の指標も挙げている。最後に、モデルに基づいて行動するためのツールとして、クラスター分析によるチームプロファイル、バリューストリームマッピング、90 分間のチーム優先順位付けワークショップを示して締めくくっている。レポートは CC BY-NC-SA 4.0 でライセンスされている。
知見
- レポートの中心的な主張は、AI は増幅器であるというものである。AI は高いパフォーマンスを上げる組織の強みと、苦戦している組織の機能不全の両方を拡大するため、最大のリターンはツールそのものからではなく、基盤となるシステムへの投資から得られる。
- 調査回答者の 90% が業務の一部として AI を使っている。
- 各ケイパビリティは、それぞれ特定の成果に対する AI の効果を増幅する。明確で周知された AI スタンスは個人の有効性、組織のパフォーマンス、スループットに対して（あわせて摩擦も減らす）、健全なデータエコシステムは組織のパフォーマンスに対して、AI がアクセスできる社内データは個人の有効性とコード品質に対して、強固なバージョン管理の実践は個人の有効性（コミット頻度を通じて）とチームのパフォーマンス（ロールバックへの依存を通じて）に対して、小さなバッチでの作業はプロダクトのパフォーマンスに対して（あわせて摩擦も減らす）、ユーザー中心の姿勢はチームのパフォーマンスに対して、質の高い社内プラットフォームは組織のパフォーマンスに対して、それぞれ効果を増幅する。
- 小さなバッチでの作業は、チームが AI から得たと感じる個人の有効性の向上をわずかに低下させる。レポートは 3 つの仮説（作業を分解するオーバーヘッド、機械生成コードの小さな断片をレビューする摩擦、大きな変更に向いたツール）を示し、プロダクトと摩擦に関する利点がこれを上回ると論じている。
- AI 支援開発ツールの導入は、ユーザー中心の姿勢を欠くチームに害を及ぼしうる。ユーザー中心性が低い場合、AI 導入はチームのパフォーマンスの低下と関連している。
- 社内プラットフォームの質が低い場合、AI 導入が組織のパフォーマンスに与える効果は無視できるほど小さいが、質が高い場合には、その効果は強くプラスのものになる。組織の 90% が社内プラットフォームを導入しており、76% が専任のプラットフォームチームを持っている。
- 回答者の約 21% が AI のプロンプトをバージョン管理に保存し始めている。
- AI 導入だけでは組織のパフォーマンスへの影響はわずかにとどまり、その効果は強力なバリューストリームマッピングの実践と組み合わせることで増幅される。
- 8 つの成果因子のクラスター分析から 7 つのチームの原型が得られた。「基盤的な課題」（回答者の 10%）や「レガシーのボトルネック」（11%）から、「実践的なパフォーマー」と「調和の取れたハイアチーバー」（それぞれ 20%）までがある。レポートは、これらの名称と説明はデータの解釈であると注記している。
ガイダンス
明確な AI スタンスについて、レポートは部門横断のワーキンググループを設け、用途を 3 つの区分（禁止、ガードレール付きで許可（例：AI 生成コードすべてに対するヒューマン・イン・ザ・ループのレビュー）、許可）に分類するリスクベースのポリシーを作成し、それを随時更新される文書として公開することを推奨している。AI がアクセスできる社内データについては、プロンプトエンジニアリングと コンテキストエンジニアリング を対比させている。後者についてレポートは、関連する社内データ、最新のドキュメント、そしてモデル向けのツールやルールを自動的に収集する仕組みだと説明し、最も関連性の高いコンテキストだけを供給するための 2 つの新たなパターンとして、検索拡張生成と Model Context Protocol サーバーを挙げている。バージョン管理については、あらゆるものをバージョン管理すること、トランクベース開発、小さく頻繁なコミット、そして AI のプロンプトや GEMINI.md、CLAUDE.md のようなエージェント設定ファイルを保存することを推奨している。ユーザー中心の姿勢については、LLM をユーザーのニーズに向かわせる新たなパラダイムとして 仕様駆動開発 を挙げている。