TL;DR
- 「速度 vs 品質」は二者択一ではなく、測定する時間軸の違いで見方が変わる。
- AI で速度が上がった結果、品質のボトルネックが CI・レビュー・運用コストに移った。
- チームとしての意思決定は、プロダクトライフサイクルに合わせて軸を選ぶ。
はじめに
この記事はシリーズ「技術選定で後悔しないための判断基準」の トレードオフの意思決定 の深掘りです。 👉 技術選定で後悔しないための判断基準 流行との距離を測る
AI コーディングが普及して、「速度と品質は両立する」と主張する論調と、「速度が上がった結果、品質ボトルネックがずれた」という論調が対立しています。この記事は後者の立場で整理します。
1. 短期最適と長期最適
速度と品質は、時間軸で評価が変わります。
| 時間軸 | 速度優先の結果 | 品質優先の結果 |
|---|---|---|
| 1週間 | 機能がリリースできる | リリースが遅れる |
| 3ヶ月 | 負債が見え始める | 成長が遅い |
| 1年 | 変更が困難になる | 安定運用できる |
| 3年 | リライト検討に入る | 競合に追い越される |
短期最適（速度）と長期最適（品質）は、同じコードベースに対して相反する結論を出すのが本質です。どちらが正しいかは測定期間で決まります。
測定期間を合意する
チームで速度 vs 品質を議論する時、何ヶ月後を測定点にするかを最初に合意します。この合意なしに議論すると、「短期で言えば A、長期で言えば B」が永遠に続きます。
2. AI で速度が上がった時代の再定義
AI ツール（Claude Code / Cursor / Codex 等）でコード生成速度は確実に上がりました。しかしその結果、ボトルネックが移動しました。
- 新ボトルネック①: レビュー: PR数が増え、レビュー待ちが開発速度を決める
- 新ボトルネック②: CI時間: テスト実行と lint 時間が無視できない
- 新ボトルネック③: 運用コスト: 生成コードの監査・障害対応・リファクタの総量が増える
AI時代の観測設計は AIエージェントの観測基盤 eBPFで実行時の挙動を追う に詳しい。
つまり「AI で速度が上がった」のではなく、「コード生成のボトルネックが別の場所へ移った」が正確です。新しいボトルネックは品質側のリソースなので、結果的に品質投資の ROI が上がっています。
3. チームの意思決定フレーム
プロダクトライフサイクルに合わせて判断軸を選びます。
| フェーズ | 優先軸 | 理由 |
|---|---|---|
| PMF 探索期 | 速度 | 何を作るかが決まっていない。品質投資は廃棄コスト |
| PMF 確認期 | バランス | 捨てるコード / 残すコードの識別が必要 |
| スケール期 | 品質 | 変更困難コストが指数的に増加 |
| 安定運用期 | 品質 | 新機能より障害削減のROIが高い |
意思決定の記録
この判断は四半期ごとに棚卸しします。フェーズが変わったのに優先軸を変えないのが、よくある失敗パターン。ADR に「このプロダクトは現在スケール期、優先軸は品質」と明記し、次の棚卸し時期も書いておきます。
# ADR-0051: 優先軸の再設定（速度→品質）
## Status
Accepted — 2026-04-14
## Decision
スケール期入りに伴い、優先軸を速度から品質へ切替。
## Next review
2026-07-14
AIエージェントの監査と組み合わせる考え方は AIガバナンス リリース判断のリスクマトリクス にまとまっています。
技術選定の失敗パターン（過剰設計）と合わせて読むと判断が早くなります。
AI 時代の速度 vs 品質 — 計測の現実解
「AI で速度が上がった分、品質側に投資する」という設計を実務に落とすには、計測指標の再定義が前提です。AI 生成コードを含む変更で CFR（Change Failure Rate） をどう扱うかは AI変更後のCFR再定義ガイド で扱っており、観測スタックは AIコーディング運用の可観測性スタック2026 で整理しています。
DORA は 2024 年に Deployment Rework Rate を追加した 5 指標モデルへ整理し、Throughput（速度）と Instability（品質）を分けて測れるようになりました[公式値]（DORA Metrics 公式ガイド）。SPACE は Performance（成果物の品質）と Efficiency and flow（速度）を別次元として扱い、3 次元以上の組み合わせを推奨しています[公式値]（The SPACE of Developer Productivity / ACM Queue 2021）。
実務指針は次の 3 点に集約できます。
- 速度・品質を 1 軸で議論しない — DORA Throughput と Instability、SPACE 5 次元を分けて測る
- AI 変更を独立軸で計測 —
CFR_aiとCFR_humanを分離（AI変更後のCFR再定義ガイド 参照） - 観測 → 学習 → レビュー反映 のループ — 詳細は AIコーディング運用の可観測性スタック2026
DORA / SPACE / DevEx の選定軸は DORAとSPACEの選び方、入門的な指標選定は 開発生産性指標の歩き方 を参照。
FAQ
Q1. AI で開発速度が上がっても品質指標を分けて測るべきですか？
分けて測るべきです（経験則）。AI 変更は人間レビューの粒度や受入条件の整備状況で rollback 率が 1.5-2 倍に振れるケースがあり、CFR_ai と CFR_human を分離しないと打ち手が見えません。詳細は AI変更後のCFR再定義ガイド。
Q2. 短期最適と長期最適を切り替える判断基準は？
プロダクトフェーズで切り替えるのが現実解（経験則）。MVP / PMF 検証期は短期最適、Scale 期は長期最適に重心を移し、Maintain 期は両者の最適化（負債返済 + 新機能）を狙う。tech-decision シリーズの親 技術選定で後悔しないための判断基準 と合わせて読むと判断軸がさらに明確になります。
Q3. CFR の閾値はどこに置くべきですか？
DORA 2025 サーベイでは 0-2% が high performer とされていますが[公式値]、AI 時代は閾値だけでなく ΔCFR_ai（AI と human の差分）を見るのが現実解（経験則）。詳細は AI変更後のCFR再定義ガイド のフレームを参照。
Q4. SPACE 5 次元のうち速度品質に関わるのはどれですか？
Performance（成果物の品質）と Efficiency and flow（速度・流れ） が直接関わります[公式値]（ACM Queue 2021）。Satisfaction and well-being（疲弊兆候）も間接的に影響するため、3 次元の組合せが原典推奨。
Q5. tech-decision シリーズとの関係は？
本記事は tech-decision シリーズ（child / order 2）に属します。シリーズ全体像は親 技術選定で後悔しないための判断基準、運用フレームは Technology Radar の作り方、関連 child は 責務分離が崩壊する理由 と microservices が失敗する理由 を参照。
References
- DORA Metrics 公式ガイド — Throughput / Instability の 5 指標モデル
- DORA / State of AI-assisted Software Development 2025 — 最新年次レポート
- The SPACE of Developer Productivity / ACM Queue 2021 — SPACE 5 次元の原典
- DevEx framework / ACM Queue 2023 — Feedback Loops / Cognitive Load / Flow State
- Atlassian DORA Metrics — CFR の Atlassian 公式解説
まとめ
速度 vs 品質は二者択一ではなく、測定期間とプロダクトフェーズで答えが変わる関数です。AI 時代にボトルネックが品質側へ移った今こそ、フェーズに合わせた意思決定フレームが効きます。
全体像に戻る: 親記事はこちら
技術選定の運用フレームは Technology Radar の作り方｜30分会議テンプレ付 を参照（Adopt / Trial / Assess / Hold で月次運用に乗せる）。
