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。
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。
- GitHub Docs: Profile contributions - コントリビューションに数える対象の公式の説明
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関連記事

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。
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。
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。



