PRESS RELEASE 商品・サービス 2026/11/04 09:00

AIエージェントを活かせる開発環境をスコアで可視化。「AI Readiness Score」を提供開始

AIエージェントを活かせる開発環境をスコアで可視化。「AI Readiness Score」を提供開始　株式会社ハイヤールーのプレスリリース

株式会社ハイヤールーがPR TIMESで配信したプレスリリースの原文を、Zero Press が転載して掲載しています。

株式会社ハイヤールー（本社：東京都渋谷区、代表取締役：葛岡宏祐）は、開発組織がAIエージェントを働かせられる状態にあるかを測る指標「AI Readiness Score」を公開し、在籍エンジニアのAI活用を可視化する「HireRoo Skill Assessment」で、β版として提供を始めました。

Claude Code・Codex などのAIエージェントを全社に配っても、成果がある水準で頭打ちになる。その原因はモデルの性能ではなく、組織がすでに知っている文脈（Context）が、エージェントに渡っていないことにあります。AI Readiness Score は、この「エージェントが働ける環境」がどこまで整っているかを、設定ではなくエージェントの実際の行動から測ります。Skill Assessment を利用している組織では、蓄積済みの評価からすぐにスコアが算出され、どのリポジトリで、何を整えればよいかまでを追えます。

公開にあわせて、指標の考え方と測り方を解説したホワイトペーパー2冊を無償で公開します。

背景：モデルは十分になった。それでも、最後の一歩でつまずく

AIエージェントはコード生成の大半をこなせるようになりました。しかし、変更した関数を包む認証ミドルウェア、別のリポジトリにある統合テスト、再生成が必要なマイグレーションなど、AIに伝わっていない、開発現場の暗黙知やルールの漏れで最後の一歩を落とします。

海外の先行企業は、この「ラストワンマイル」を Context の整備で埋めています。Uber は30超の社内システムを Context Graph に統合し、同じモデル・同じ質問で、Context Graph ありは38秒で正解、なしは20分09秒かけて誤答したと報告しています。Meta は部族知識を短い案内書にまとめてリポジトリに置き、Stripe は約500の MCP ツールを中央サーバーに集約しました。

整備したものは違っても、狙いは同じです。エージェントに、組織がすでに知っていることを探し直させない。一方で、研究の結論は割れています。文脈ファイルで実行時間とトークンが減るという報告がある一方、成功率は一般には上がらず、コストが増えたという報告もあります。置いただけでは効かない。問われるのは、整えた文脈や道具をエージェントが実際に使い、それが効いているかです。しかし多くの組織には、それを確かめる物差しがありませんでした。

AI Readiness Score とは：AI協働力のうち、組織に残る「環境構築」を測る

当社は、AIと協働して成果を出す力「AI協働力」を、5つの領域（意図の仕様化・環境構築・共同推論・実行の統制・出力の品質保証）で評価しています。このうち「環境構築」だけは、成果物が組織に残ります。 Skill・MCP 接続・文脈ファイル・権限設定は、リポジトリや組織の設定に残り、次にそのリポジトリを触る全員のエージェントに効くためです。

AI Readiness Score は、この環境構築を組織の単位で集計した指標です。次の3つの観点で評価します。

観点

評価する状況

平均スコア

コンテキスト整備

関連する実装の所在・規約・既存の判断を選んで渡すことが、探索の効率や正確性を左右する状況

71.1%

ツール整備

MCP・外部CLI・認証・権限・sandbox などの追加の設定が必要な状況

61.4%

ガードレール設定

エージェントの操作が、破壊的変更・外部への副作用・データ操作・セキュリティに影響しうる状況

57.9%

※当社SEI評価データより（2026年10月22日時点、環境構築の評価 31,564件）

3つの観点のうち、最も低いのはガードレール設定でした。エージェントに何を任せ、どこで止めるかの境界は、多くの開発組織でまだ整っていません。

測り方は、次の4つの原則で設計しています。

行動を測る — 実際に走った Skill、呼ばれた MCP、人の指示だけを見る。置いただけの設定は数えない
AIの出力は使わない — 評価するのは人のプロンプトとツール呼び出し。モデルの性能が上がってもスコアは動かない
採点しない勇気 — 環境を整える機会がなかったセッションは採点しない
分母を正直に — 評価のないメンバーは分母に入れず、何人の評価に支えられた数字かを常に示す

Skill Assessment で追えること：見つける、打つ、確かめる

Skill Assessment では、Claude Code・Codex の利用から、新しい設定なしに AI Readiness を算出します。画面では次の3つを追えます。

1．総合スコアと3つの観点 — 組織の位置と、弱いところ

0〜100の総合スコアに、ランク・上位何%か・評価済みの人数・前期比を添えて示します。3観点の内訳で、どこが弱いかが分かります。

2．Agent の作業内訳 — どのリポジトリで、エージェントが探し回っているか

エージェントのツール呼び出しを、探索・実行・検証・その他に分けてリポジトリごとに示します。探索の比率が高いリポジトリは、組織の知識がエージェントに渡っていない場所で、文脈を足す最初の候補です。

3．整備状況 — 組織の標準になった道具と、1人の手元に留まる道具

実際に使われた Skill・MCP・リポジトリを、利用人数とともに示します。置いただけの設定は数えません。よく効くのに1人しか使っていない Skill は、組織に広げる候補です。

手を打ったあとは、同じ画面で前期と比べられます。どこに投資すべきかを決め、その投資が効いたかを確かめるまでを、同じ物差しで回せます。

実際の活用例

当社が支援する開発組織で、AI Readiness をもとに手を打った例です。3つとも、モデルもツールも変えていません。変えたのは、エージェントが働く環境だけです。

見えたこと

打った手

主な変化

開発者8名が毎日使うリポジトリで、エージェントが呼び出しの78%を探索に使っていた

社内で効いていた型にならい、エージェントのための wiki を作る

探索の比率 78% → 24%

実行回数1位の Skill を、9名中1名しか使っていなかった

上位者の Skill をプラグインとして配る

利用 1名 → 8名

3観点のうちガードレール設定が最も低かった

止めるべき操作の境界を、組織の設定として揃える

ガードレール設定 44 → 63

今後の展望

β版での提供を通じて、次の3つを順次進めます。

スコアの水準を確立する — 目安となる水準の帯を設け、業界・規模別に比較できるようにする
Pull Request の単位で見る — AI経由で作られた PR ごとに、費やされたエージェントの作業を見る
ガードレールとセキュリティを深める — 操作の境界の設定状況や危険な操作の検知を分析する

代表取締役葛岡のコメント

AIエージェントを配ることは、もう差になりません。差がつくのは、配ったエージェントが組織の中で働ける状態にあるかどうかです。

これまで当社は、AIと協働して成果を出す力「AI協働力」を、採用でも在籍エンジニアの評価でも、一人ひとりの力として測ってきました。しかしその5つの領域のうち「環境構築」だけは、一人の中に閉じません。誰かが整えた文脈や道具や境界は、リポジトリに残り、次にそこを触る全員のエージェントに効きます。個人を育て直さなくても、環境への投資は一度で全員に届く。だからこそ、組織の単位で測る価値があります。

一方で、文脈ファイルは置いただけでは効かないことも、研究で分かってきました。大事なのは、整えたものが実際に使われ、効いているかを確かめることです。AI Readiness Score は、設定ではなくエージェントの行動から、それを測ります。「Japan as No.1, again. 日本をもう一度、『モノづくり』で一番へ。」というミッションの実現に向けて、日本の開発組織がAIエージェントの力を最後の一歩まで引き出せるよう、支援してまいります。

詳しく知りたい方へ

ホワイトペーパー2冊を無償公開

『AIエージェントのラストワンマイルを埋める、AI Readiness』（26ページ）

Uber・Meta・Stripe の先行事例と研究から Context 整備の意味を読み解き、AI Readiness Score の内訳・測り方・基準（3観点・5段階ルーブリック）を解説します。

ダウンロード：https://hireroo.io/whitepapers/ai-readiness

『見えたから、直せた。AI Readiness 改善事例集』（19ページ）

上記の3つの活用例を、Skill Assessment の実際の画面で、見えたこと・打った手・変化の順に紹介します。

ダウンロード：https://hireroo.io/whitepapers/ai-readiness-cases

HireRooについて

『HireRoo』は、AIと協働して成果を出す力「AI協働力」を可視化する、エンジニアリング組織向けプラットフォームです。独自指標「SEI（Software Engineering Index）」（5領域・460の評価観点）は、NTTドコモ、三井住友カード、freeeをはじめとする320社に導入され、評価実績は118万件に達しています（2026年10月時点）。採用（Skill Interview）から在籍エンジニアの評価（Skill Assessment）までを、一貫した指標で支援します。

受賞歴