AI変更のChange Failure Rateをどう測るか
AI生成変更が増えればリリース回数は自然に増える。Change Failure Rate を障害件数だけでなく切り戻し・緊急修正まで含めて定義し、チームを責めずレビュー強度の調整に使う運用を整理。
AI開発の検証室 編集部
読了時間 約8分
読み込み中...
5 件の記事が見つかりました
AI生成変更が増えればリリース回数は自然に増える。Change Failure Rate を障害件数だけでなく切り戻し・緊急修正まで含めて定義し、チームを責めずレビュー強度の調整に使う運用を整理。
AI導入後に Change Failure Rate が膨らむ3因子を整理し、AI-augmented と human-authored の失敗を分離する4ステップの再定義フレームを Tech Lead / EM 向けに提示する。
Cycle Time は定義を揃えた瞬間に改善の半分が終わる。Value Stream を5ステージに分けて境界を引き、中央値・90パーセンタイル・前月比Δでボトルネックを1つだけ選ぶ改善ループを計測テンプレつきで解説。
DORA と SPACE は優劣ではなく測るレイヤーが違う(DORA=デリバリーの結果、SPACE=チームの状態)。早見表と決定木で自チームに合う1つを選ぶ。まずは1フレーム最大3指標から始める。
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。3フレームは並列でなく階層に近く、採用順は DORA → DevEx → SPACE が現実解という観点別比較。