DORA vs SPACE vs DevEx
DORA / SPACE / DevEx の3つの開発生産性フレームの違いと使い分けを2026年版で整理する。DORA は配信速度、SPACE は満足度を含む多次元、DevEx は摩擦・フロー・フィードバックの3軸——どれを採用するかは組織の課題と成熟度で決まる。
Growth Lab編集部
読了時間 約12分
読み込み中...
タグ
# 開発生産性
8 件の記事が見つかりました
開発生産性指標 比較：DORAとSPACEの選び方
開発生産性指標として DORA と SPACE のどちらを採るかで議論が空転するチーム向けに、両者は別レイヤーの指標であることを整理し、早見表・決定木・アンチパターンを通じて自チームに合う 1 つを選ぶ実践指針を、EM・CTO・スクラムマスター向けにまとめた。
Growth Lab編集部
読了時間 約31分
Cycle Time の定義と改善：境界を引く改善ループ
Cycle Time の定義が曖昧なまま計測しても改善は回らない。DORA Lead Time を雑に流用せず、自社 Value Stream に境界を引いて再定義し、ボトルネックを特定して改善ループを回す実践手順を、開発生産性を高めたい EM・SM・CTO 向けに計測テンプレ付きで解説する。
Growth Lab編集部
読了時間 約35分
AIペアプロが失敗する理由
AIペアプロ（Copilot/Claude Code）を導入したのにチームが遅くなった原因を、DORA 2024やMETR 2025の定量データと自チーム実測値に基づく5つの失敗パターンで診断。コンテキスト不足・レビュー負荷・責務不明確・過信・ペア不成立の症状と対策、15項目の診断チェックリスト付き。
Growth Lab編集部
読了時間 約18分
AI駆動開発で人を律速にしない
AI導入後の開発フローで人間が律速になる5つの類型を特定し、非同期化・事前型化・自動化・委譲の4パターンで解消する実践ガイド。制約理論（TOC）の視点からチームのスループットを最大化する。AIがコードを書く速度は十分に速い
Growth Lab編集部
読了時間 約20分
AIコード増でも価値が伸びない理由
AI導入後にアウトプットは増えているのに価値が伸びない構造を、レビューと意思決定の観点から整理する親記事。AIエージェント時代の開発では、出力速度よりも「何を採用するか」の判断が律速になります。本記事はレビューと意思決定のボト
Growth Lab編集部
読了時間 約10分
AI開発KPIと学習ループ：速度だけを追わない計測設計
AIチームの改善サイクルを加速するための、速度・品質・学習の3軸KPI設計と週次レビューによる学習ループの実践的な設計・運用方法を解説する。KPIは単一指標ではなく、速度 × 品質 × 学習の3軸で設計する
Growth Lab編集部
読了時間 約10分
AI自動運転を"ベンチマーク思考"で検証する — SWE-bench Verifiedの使い方
AIワーカー運用の生産性を「雰囲気」から「再現可能な評価」へ。SWE-bench Verifiedの考え方を自社に持ち込み、Lead time・CI pass rate・Rework countで検証する実践ガイド。
Growth Lab編集部
読了時間 約12分