GitHub、メトリクスAPIにPR所要時間指標を追加

米GitHubは公式Changelogにおいて、開発支援ツール「GitHub Copilot（GitHubが提供するAIプログラミング支援ツール）」の利用メトリクスを提供する「Copilot Usage Metrics API」を機能拡張し、プルリクエスト（PR（コードの変更を共有しレビューやマージを依頼する仕組み））のレビューにかかる所要時間を詳細に追跡できる新しいメトリクス群を追加したと発表しました。組織（Organization）および企業（Enterprise）向けの日次レポート「repos-1-day」に追加された pull_request_review_times 配列により、開発チームはレビューサイクルの停滞要因を客観的に特定できるようになります。

3つのレビュー段階と90パーセンタイルの把握

具体的には、対象日にマージされたPRを対象として、以下の3段階の所要時間について中央値（median）と90パーセンタイル（p90）が分単位で記録されます。

1. ​レビュー準備完了から初回レビューまで​​（median_minutes_ready_to_first_review / p90_minutes_ready_to_first_review）
2. ​初回レビューから最終レビューまで​​（median_minutes_first_to_final_review / p90_minutes_first_to_final_review）
3. ​最終レビューからマージ完了まで​​（median_minutes_final_review_to_merge / p90_minutes_final_review_to_merge）

今回の初期リリースでは、作成者およびレビュアーが人間（human）であるPRが計測対象となります。Copilotコードレビューなどのボットによるレビュー単独のPRは除外されますが、人間とCopilot双方がレビューに関与したPRは集計に含まれます。また、2026年9月21日より前にレビュー準備完了となったPRは遡及集計されず、リリース日以降のデータが蓄積されます。

独自価値の整理（日本の読者への影響と未確認事項）

日本の開発組織において、GitHub Copilotの導入費用対効果（ROI）を定量的に証明することは多くのエンジニアリングマネージャーにとって急務となっています。今回の指標追加により、「AI導入でPR作成までのコーディング時間は短縮されたが、その後のレビュー待ちで全体のリードタイムが相殺されていないか」を客観データで分析可能になります。

一方で、未確認事項として、現行仕様では純粋なAI自動レビューのみで完結するPRの処理時間が本メトリクスから除外されている点があります。エージェント型コードレビューが普及する中で、ボット主導のレビューサイクルがどのように本指標へ統合されるかは今後の確認が必要です。

分析・展望

編集部注: ソフトウェア開発のボトルネックは、コードの記述時間そのものよりも、他者のレビュー待ちや承認フローなどの非同期コミュニケーションに潜んでいるケースが少なくありません。GitHubが単なるトークン消費量やコード提案採用率にとどまらず、PRライフサイクル全体の滞留時間をAPI経由で提供し始めたことは、AIツールが「個人の生産性向上」から「チーム全体のデリバリーパイプラインの最適化」へと評価基準をシフトさせている兆候とみられます。

引用元：The GitHub Blog