GitHub Copilotの使用状況APIにコードレビュー速度とサイクル数を測定する新指標が追加
要点
- GitHubは、GitHub Copilotの使用状況メトリクスAPIにおいて、AIの導入フェーズごとにコードレビューの速度を測定できる2つの新しい指標を追加した。
- 新指標は、プルリクエスト作成から最初のレビューまでの時間（中央値）と、マージまでのレビューサイクル数（中央値）の2種類である。
- これらのメトリクスは、マージ済みのプルリクエストのみを対象として集計され、未マージのプルリクエストは計算から除外される。
- 企業や組織は、Copilotの導入度合いがチームのコードレビューの迅速化や開発プロセスの効率化にどう寄与しているかを定量的に把握できるようになる。
リード文
GitHubは2026年7月7日、AI開発支援ツール「GitHub Copilot」の使用状況データを取得する「Copilot usage metrics API」をアップデートし、コードレビューの速度に関する2つの新しいメトリクスを追加したと発表した。この更新により、組織や企業のアカウント管理者は、AIの導入フェーズ（adoption phases）ごとにプルリクエストのレビュー時間やレビュー回数を比較・分析できるようになる。今回の機能追加は、EnterpriseおよびOrganization向けのレポート機能を拡張する形で提供される。
本文
新たに追加された2つのコードレビュー指標
今回のアップデートにより、Copilot usage metrics APIのデータ内にある、AI導入フェーズごとの内訳を示す項目「totals_by_ai_adoption_phase」において、新たに以下の2つのフィールドが提供される。
avg_pull_requests_minutes_to_review：プルリクエスト（開発者が書いたコードの変更を共有し、プロジェクトに取り込むよう求めるリクエスト）が作成されてから、最初のレビュー（コードのチェックや意見の送信）が行われるまでの時間（分単位）の中央値。avg_pull_requests_review_cycles：プルリクエストが最終的にマージ（変更内容を元のプログラムに統合すること）されるまでに受け取った、レビュー送信回数の中央値。
これらの新しいメトリクスは、すでに提供されている「フェーズごとのマージ時間」や「マージされたプルリクエストの数」といった既存の指標と組み合わせて利用される。管理者はこれらのデータを通じて、AIを導入しているコホート（特定の属性を持つユーザーのグループ）の間で、プルリクエストがどれだけ迅速にレビューされているか、またマージまでに何回のやり取り（サイクル）を要しているかを比較・検証できる。
計測の仕様と対象範囲
新たに追加された2つの指標には、いくつかの重要な仕様が定められている。
まず、これらの指標はマージ済みのプルリクエストのみを対象として測定される。プルリクエストが最終的にマージされた日を基準に集計され、それぞれのプルリクエストは正確に1回だけカウントされる仕組みである。
一方で、レビューが行われたものの、最終的にマージされずに却下またはクローズされたプルリクエストについては、これらの指標の集計から完全に除外される。これにより、実際にプロジェクトに反映された成果物（landed work）のみを反映した、より正確な開発実績データを取得できるようになっている。
また、これらの新しいメトリクスは、Enterprise（企業全体）向けおよびOrganization（個別の組織）向けの双方のレポートで利用可能であり、期間としては「1日（1-day）」および「28日（28-day）」のレポートのいずれにも反映される。なお、AIの導入フェーズの定義や、ユーザーがどのコホート（導入段階）に割り当てられるかといったルール自体には変更はない。これらの定義や割り当ての仕組みについての詳細は、2026年5月29日に発表された「導入フェーズコホート」に関する告知から確認することができる。
指標の追加がもたらす価値
GitHubは、レビューの遅延時間（レイテンシ）およびレビューのサイクル数は、開発チームにおけるエンジニアリングのスループット（一定時間内に処理できる作業量や生産性）を測るための重要な「先行指標（将来の結果や成果を予測するための手がかりとなる指標）」であると説明している。
これらの数値をAIの導入フェーズごとに分類して確認できるようになることで、管理者は以下のような疑問に対する答えを得ることができるという。
- GitHub Copilotをより深く、日常的に活用しているチームは、そうでないチームと比較してプルリクエストのレビューが迅速に行われているか。
- AIの活用度合いが高いチームは、マージに至るまでのレビューサイクル数が少なくなっている（手戻りが減少している）か。
これらのデータを比較分析することにより、GitHub Copilotの導入が開発プロセスの下流工程であるコードレビューのプロセスに対してどのような影響を及ぼしているかを、具体的な数値で定量化することが可能になる。さらに、どのチームで特に効果が出ているのか、あるいはどこのチームに対してAIの導入支援や教育（イネーブルメント：チームが能力を発揮できるように支援すること）を重点的に行うべきかを判断し、最も効果的な場所へリソースを投入するのに役立つとしている。
利用方法
新機能はすでに提供が開始されており、EnterpriseおよびOrganizationの管理者は、GitHubが提供するREST APIの「Copilot usage metrics API」を通じてデータを取得できる。詳細な仕様や利用手順については、公式ドキュメントで確認することができる。
作業概要サマリー
元記事の情報を正確に反映させ、要求された構成（タイトル、要点、リード文、本文）および文字数（約1600文字）に沿って日本語のニュース記事を作成しました。専門用語には初出時に簡潔な説明を加え、客観的なトーンを維持しつつ、元記事にない憶測や関連ニュースなどの不要な情報を排除してグラウンディングを徹底しています。