AI 2 分で読了

AI駆動開発でGitHubの活動量はどう変わったか。2024年後半は月20〜40件、2025年5月は約300件

GitHubのコントリビューション数は、2024年後半には月20〜40件ほど、2025年5月には約300件でした。Issue、PR、レビューを含むGitHub標準の集計で、2025年5月30日のグラフに基づきます。開発速度や納品量の倍率ではありません。

Terisuke

更新日: 2026年10月29日

この記事をシェア:

GitHubのコントリビューション数(Issue・PR・レビューを含むGitHub標準の集計)は、2024年後半には月20〜40件ほどでした。それが2025年5月には約300件になりました(2025年5月30日に投稿したグラフより)。

初版の『7倍』は、AI利用前を月およそ50件と置いたときの丸めです。

この件数は、開発速度や納品量が何倍になったかを示す数字ではありません。

この記事では、当時どの作業をAIに任せ、何が進めやすくなったのかを振り返ります。品質、手戻り、実際の作業時間を同じ条件で比べたわけではありません。それらの改善率は主張しません。

比べているのは、2024年後半の月あたりの件数と、2025年5月の件数です。非公開リポジトリの件数を含めているかは、公開情報では分かっていません。新しい母数や品質の指標は、過去の数字に合わせて作っていません。

当時の作業の分け方

コードを作る作業

コードはClaude Codeに書いてもらっていました。先にClaude Desktopと対話しながら指示書を練り、その内容をターミナルでClaude Codeに伝えていました。数分で、基本の骨格になるコードができていました。そこから「このクラスにメソッドを追加して、ユニットテストも書いて」のように、具体的な指示を重ねていました。

レビュー

CodeRabbitはPRを作るとレビューを始め、バグの可能性やセキュリティ上の指摘、コーディング規約との差をPRにコメントしていました。指摘された箇所はCursorのAgent機能で直していました。指摘がすべてを見つけるという意味ではありません。

数えたもの

数えたのはGitHubのコントリビューション数です。2024年後半は月20〜40件ほどでした。2025年5月は約300件でした。どちらも、2025年5月30日に投稿したグラフの範囲です。

コントリビューションはコミット数ではありません。GitHubの定義では、コミットのほかにIssue、Pull Request、レビューなども数に入ります。

使っていた道具

  • Cursor: AIを組み込んだエディタ。指摘された箇所を、Agent機能で直す
  • Claude Desktop: 対話しながら指示書を練る
  • Claude Code: 指示書をもとにコードを書く
  • CodeRabbit: PRへの自動レビュー

当時の感触では、コードを一行ずつ書くというよりAIと対話しながら問題を解く作業に近くなっていました。これは感触であって、作業時間や納品量を測った結果ではありません。

参考資料

noteの2025年6月1日の記事の題には、開発速度の7倍とあります。会社のこの記事の数字は、2025年5月30日のグラフに合わせています。速度や納品量の倍率としては扱いません。

2025年5月30日の投稿にある、月次のコントリビューショングラフです。

この記事の内容を、自社で進めたい方へ

AI受託開発のご相談を、AI受付「Cloudia」でお受けしています。

AI基盤構築・AI受託について詳しく見る

この記事を応援

この記事が役に立ったら、投げ銭で応援してください。お好きな金額を選択いただけます。

Stripeで安全に決済

関連記事

記事を読む
細い線でつないだ点が2本の道に分かれ、一方に青いチェック、もう一方に×の印を置いた図
AI

見本を足すと悪くなる問もある。小さなLLMで確かめた、生成AIの試し方

2026年10月29日、代表の寺田康佑が講師を務めた、ある企業の社内勉強会で、小さな言語モデル(Qwen2.5-3B-Instruct)に「見本を付ける」「見直しを頼む」の2つの工夫を試しました。良くなった問、悪くなった問、誤りを正しいと言い切った問から、生成AIを業務で試すときの比べ方を書きます。

#生成AI #ローカルLLM +3
記事を読む
AI

ローカル推論APIを社内で使う前に。認証・許可リスト・端末退役の設計

ローカル推論APIを社内で使う前に、認証、許可リスト、端末の退役を分けて設計します。許可リストが示すのは、通信を通してよい相手です。誰が何の業務に使ってよいかは、別に決めます。

#ローカルLLM #Ollama +2
記事を読む
AI

現場のAIと社内文書のAIを、どこで分けるか。Cor.の設計判断

カメラやセンサーの近くで動く現場のAIと、社内文書を扱うローカルLLMでは、重視する条件が違います。Cor.株式会社は検証環境を分ける方針です。分けたこと自体は、安全である証明ではありません。

#ローカルLLM #エッジAI +2