AIエージェント活用の「個人技化」「ブラックボックス」を解消、AI活用のベストプラクティスを可視化する5つの新機能を「Findy AI+」で提供開始

エンジニアプラットフォームを提供するファインディ株式会社（東京都品川区、代表取締役：山田 裕一朗、以下「当社」）は、開発組織のAIツール活用を自動解析し、改善アクションの提示・実行支援を行うAIプロダクト「Findy AI+」において、5つの新機能を2026年6月4日（木）より提供開始したことを発表します。

新機能群は、Webダッシュボードで提供する「セッションログ分析」「AIコスト効率分析」「利用AIエージェント分析」の3機能と、MCPサーバーで提供する「ハーネス整備分析」「ハーネス整備×生産性分析」の2機能、計5機能で構成されています。

AIエージェントのセッションログとGitHubデータを組み合わせることで、組織における生成AI活用ベストプラクティスを可視化し、自動改善を支援します。なお、本機能群は「Findy AI+」既存プラン内で追加費用なくご利用いただけます。

◆ 新機能提供の背景

◾️AI活用の「個人技化」と「ブラックボックス化」

Claude Code、GitHub Copilot、Cursor、Devinをはじめとする生成AIツールがエンジニア組織へ急速に普及する一方で、AIツールを導入しても、コマンドやエージェントをどのように使いこなし、成果を最大化しているのかが、組織内で見えづらい状態が続いています。その結果、AI活用が進んでいるエンジニアとそうでないエンジニアの間で生産性の差は広がり、成果を出しているチームやメンバーのノウハウが他チームへ共有されず、組織全体の底上げに結びついていない状況が生まれています。

◾️AIコストの増加により、投資対効果の可視化が経営課題に

さらに、AIエージェントの利用が組織全体に拡大するにつれ、トークン消費量の増加に伴うAIコストの急増が、新たな経営課題として顕在化しています。しかし現状では、どのリポジトリやチームのAI利用がアウトプット（マージ済みPR等）に寄与しているのか、またコストに対して効果が出ているのかを定量的に把握する手段がなく、投資対効果の検証が困難です。

加えて、AIエージェントの効果を最大化するハーネス（AI指示ファイル、AI指示フォルダなど）の整備状況はリポジトリやチームごとに大きくばらついています。またハーネス整備への投資が生産性にどう効いているかも、これまで数値で把握する術がありませんでした。

当社はこれらの課題に対し、エンジニア組織の開発活動データを長年蓄積してきた「Findy Team+」のGitHubデータ解析技術と、「Findy AI+」が収集するAIエージェントのセッションログを掛け合わせることで、組織のAI活用実態を多角的に可視化し、改善アクションまで自動化する5つの新機能を提供します。これにより、個人技に閉じがちなAI活用を、組織のケイパビリティとして積み上げることを支援します。なお、これらの新機能は、「Findy AI+」からご利用いただけます。

◆ 新機能の概要

── Webダッシュボード ──

① セッションログ分析｜組織のAI活用実態をデータで丸ごと見える化

AIエージェントとの対話セッションログを、組織全体・チーム・個人単位で解析し、AI活用の頻度・深度・傾向を継続的に可視化します。これまで「感覚」に頼っていた組織のAI活用実態を、客観的なデータとして把握できるようになります。

② AIコスト効率分析｜費用対効果を可視化し、無駄なコストを削減

AIの利用量（トークン量）を組織全体、チーム、メンバーごとに集計し、実際の成果物（プログラムコードの変更・追加や、プルリクエスト数など）と紐づけることで「成果あたりのAIコスト」を算出・可視化します。「AIがコストに見合う成果につながっているか」という経営課題に対し、投資対効果の改善余地が大きいチームや非効率な利用パターンの改善を支援します。

③ 利用AIエージェント分析｜整備したハーネス（Skills）が実際に使われているかを定量把握

Claude Codeに特定の業務を任せるために社内で整備したハーネス（Skills）が、実際にどれくらい使われているかを組織全体、チーム、ユーザーごとに可視化します。「create-pull-request」「self-reviewer」「commit-message」「setup-worktree」など、整備したSkillsが実際の開発フローでどの程度活用されているかをデータで把握できます。

── MCPサーバー ──

④ ハーネス整備分析｜各リポジトリにおける「AIが自律的に動きやすい環境」の整備状況、改善点を一覧化

各リポジトリのAI指示ファイル・フォルダ（AGENTS.mdや/AGENT等）を解析し、主要なAIツール（Claude Code・Copilot・Cursor・Devinなど）ごとの設定状況を組織全体で一覧化します。CommandsやAgents、Skills、MCPサーバーの設定数を把握し、整備が遅れているリポジトリを特定。先行しているリポジトリの設定をベースとした改善を自動的にレコメンドします。

⑤ ハーネス整備×生産性分析｜GitHubデータとの相関で投資対効果を定量把握

リポジトリごとのCommands・Agents・Skills・MCPサーバーの設定数と、GitHubから取得したマージ済みPR数などの生産性指標を可視化します。ハーネス整備度と生産性指標の相関をデータで示し、「どの要素の整備が生産性向上に最も効いているか」「どのリポジトリ・チームに優先的に整備投資すべきか」の意思決定を自動でサポートします。

◆ 主な対象と期待される効果

本機能群は、生成AIを活用しているエンジニア組織において、主に以下の方々を対象としています。

- CTO・VPoE: 組織全体のAI活用度をセッションログ×GitHubデータで定量把握し、AIコストの最適化を行いながら、投資対効果を経営報告に活用
- EM・テックリード: 自チームのコマンド利用状況・ハーネス整備度を他チームと比較し、具体的な改善アクションを実行