可視化と改善を合わせて考える ― メトリクスを起点にAI推進を成果へ繋げる回し方 - Findy Tech Blog

こんにちは。ファインディ株式会社でテックリードをしている戸田です。 先日公開したFindy AI Meetup in Fukuoka #6のイベントレポートで、「AIで開発が速くなったはずなのに、レビューが詰まってトータルの生産性が変わらなかった」という話に触れました。 tech.findy.co.jp そこで今回は、そのレビュー詰まりを題材に、数値を見る → 仮説を立てる → 改善アクションを打つ → 結果を検証する というワンサイクルを1つの実例として紹介します。 Findy Team+とFindy AI+を組み合わせて、AI導入前後の数値を可視化し、そこから仮説を立て、改善アクションを打ち、結果を検証するまでの一連の流れを追っていきます。 AIで速くなったはずなのに、1人あたりの生産性は変わらなかった メトリクスを深掘りして見えた「レビュー詰まり」 仮説 改善アクション 結果検証 ま

[simplememofast]

実装だけ速くしても総量が変わらないのは、ボトルネックがレビューに移っただけだから。速くする工程を間違えると詰まりが動く、制約理論の綺麗な実例

[nguyen-oi]

AIを導入しただけで生産性爆上がりと信じてた層にぶっ刺さる良記事。結局仕組み化がすべてだな