生成 AI を使った開発で、チームの役割・進め方・ふりかえりはどう変わるか？ スクラムマスターは何を支援するか？

実践者の問い（pq-19）。取り込み済みの文献のうち 6 本から拾った 19 件の事例と知見にもとづく。ここに無い打ち手が存在しないという意味ではない。

結論（TL;DR）

生成 AI の導入で、チームの役割・進め方・ふりかえりがどう変わるか、スクラムマスターの支援がどう変わるかを、条件をそろえて比べ、効果を確かめた文献は、今回読んだ範囲では見つかっていません。読めたのは、3 つの組織への聞き取り、ヨーロッパ 7 社の多事例研究、1 社の導入前後の観察、実務者への質問紙（2 件）とインタビュー、対照群のある小さな比較の報告で、いずれも限界を著者が書いています。

役割ごとの使い方は分かれています。聞き取りでは、プロダクトオーナーやアジャイルコーチ・スクラムマスターが文章や発想の作業に多く使い、開発者の使い方は小さいものから中程度まででした。生成 AI は主に個人の作業の補助として使われ、チームの協業を根本から変える使い方ではありませんでした。ヨーロッパの 7 社の研究でも、どの対象企業も、組織の水準でソフトウェア開発を大きく変える使い方はしていませんでした（アジャイルや Scrum に限った研究ではありません）。

アジャイルコーチ・スクラムマスターの一部は、ふりかえりの準備（創造的な形式の生成、アンケートの文面の磨き込み）に使っていましたが、会議の進行や意思決定に使ったと報告した人はいませんでした。ブラジルの質問紙でも、イベントでの利用は、出来事の要約やスプリントレビューのフィードバックの統合が先行し、議題の設計や障害の洗い出しは慎重で、ワーキングアグリーメントの改善やプロダクトのビジョンの記述のような合意に関わる作業は、人が持つ傾向がありました。有用だという受け止めは、開発者が高く、スクラムマスターは中程度で、プロダクトオーナーは割れました（いずれも自己申告です）。

採用の段階と技能の変化を扱った報告もあります。54 人の質問紙では、AI を試したことがある人は 78% でした。標準のイベントやプロセスに組み込んだ段階のチームは 11% でした。段階の高いチームほど、障壁が技術の理解よりも倫理やデータの統制に偏る傾向が示されました（生成 AI に限らない AI 全般で、著者は結果を「示唆」にとどまると位置づけています）。同じ研究のインタビューでは、何人かの回答者が必要な技能の変化を述べました。アジャイルコーチは、技術・分析の技能が開発者以外にも重要になる混成の役割への緩やかな動きを観察したと書かれています（観察の出所は、引用元と切り分けられていません）。ヨーロッパの 7 社では、コードより先にコメントを書く、時間がかかりすぎて続かなかったテスト駆動開発ができるようになった、といった個人の仕事のやり方の変化が語られました。著者はこれらを小さな変化と位置づけています。同僚への質問が生成 AI に置き換わる回答もあり、著者は、待ち時間は減りうる一方で、コミュニケーションが減ることも示すと解釈しています（対話の量は測られていません）。スクラムマスターの支援やふりかえり自体への影響は、これらの報告にも書かれていません。

進め方への影響は、観察があっても薄く、原因を切り分けられていません。1 社の 3 ケースを、導入前の過去のスプリントを含めて約 13 か月追った観察では、導入前のインタビューと研修が、ふりかえりやスタンドアップを知識を交換する場にしたと著者は書き、フィードバックからは、協業の焦点がコードの共同での執筆から、レビューと統合に移ったことが示唆されました。そのうち 1 ケースでは、完了したストーリーポイントも、引き受ける計画の量も増えましたが、コミットされた行数には有意な差がありませんでした。著者は、チームの成熟や道具への慣れの影響を、完全には切り分けられないと書いています。

ウクライナの大学の報告（対照群のある小さな比較）は、AI が作ったレポートを使ったチームで、ふりかえりなどの議論が効果的になったと参加者が述べ、議論が具体的になり時間も短くなったと著者が書き、定型の事務の一部が自動化されて事務の負担が減ったとチームのマネージャーが述べたことを報告しています。同じ報告には、スクラムマスターが自動のレポートに頼ってチームと直接話すことが減った例も書かれています。方法の記述が薄く、強い根拠ではありません。

方針と研修は、実践に追いついていません。3 つの組織のどこにも、開発チーム向けの研修はなく、方針と実際の使い方の食い違いが、2 つの組織で見られました（二重の承認の手順が実務では重いと著者が見ていること、承認・ライセンス外の ChatGPT が使われていること、など）。質問紙でも、方針の有無は割れ、使用は実務者の主導で進んでいました。ヨーロッパの 7 社の研究でも、従業員が組織の用意したツールの外を、私的な時間にも使っているように見える、と著者は書いています（数は測られていません）。

打ち手と事例

一部の開発者は、生成 AI を助けるためにコードの前にコメントを書くようになり、ある回答者は、時間がかかりすぎて続かなかったテスト駆動開発ができるようになったと述べた ［Still just personal assistants（2025）］

• 状況: ヨーロッパの 7 社の聞き取りと、1 社での GitHub Copilot のパイロットの会合の観察にもとづく多事例研究。組織の水準での変化は見られなかった一方で、個人の仕事のやり方が変わったという語りがあった。
• やったこと: 一部の開発者は、コードを書く前にコメントを書くようにした。IDE に組み込まれた生成 AI へ、これから行う作業を伝えるためである。ある回答者（データサイエンティスト）は、テスト駆動開発を以前は試しても、ドキュメントを読み直すのが退屈で途中でやめていた。生成 AI で素早く進められる、と述べた。
• 起きたこと: 複数の回答者が、生成 AI に何をするかを理解させるために、コードより先にコメントを書くようになったと述べた。著者は、これを Knuth が提唱した文芸的プログラミングに通じると評している。ある回答者は、生成 AI のおかげで、時間がかかりすぎると感じていたテスト駆動開発ができるようになったと述べ、自分の仕事のやり方が変わっていると語った。著者は、これらを小さな変化と位置づけている。生成 AI が検索の代わりになるだけでなく、開発者の働き方を変えうる例と見ている。チームの進め方やイベントがどう変わったかは、書かれていない。
• 注意点: 自己申告の語りで、変化を観察や記録で確かめたものではない。テスト駆動開発の例は 1 人の回答者の話で、一般的な傾向としては示されていない。コメントを先に書く変化は「複数の回答者」の語りで、人数は書かれていない。著者自身が、これらを「minor changes」と呼び、大半の回答者は生成 AI を道具の 1 つと見て、役に立つと感じる程度もまちまちだったと書いている。変化は個人の水準のもので、チームの協業や役割の変化は含まない。scope の値には個人を表すものがなく、最も近い single_team を当てたが、テスト駆動開発の話者は企業 D のデータサイエンティスト 1 人で、1 つのチームの事例ではない。
• 根拠: 事例研究／単一チーム。文献: Still just personal assistants? – A multiple case study of generative AI adoption in software organizations（2025）。文献の種類: 論文・研究者。位置: 4.2.1 User adoption process of GenAI in SE（節はパイロットの会合の記述だが、テスト駆動開発の引用の話者は企業 D のデータサイエンティスト）/ 5 Summary of results（RQ3）/ 6 Discussion。確認の根拠: 原典
• 原文: “One respondent felt that GenAI had enabled them to do TDD, which had previously felt too time-consuming for them.”

導入前のインタビューと研修が、ふりかえりやスタンドアップを知識交換の新しい場にしたと著者は書き、フィードバックからは、生成 AI の導入で協業の焦点がコードの共同での執筆から、レビューと統合に移ったことが示唆された ［Impacts of Generative AI on Agile Teams’ Productivity（2026）］

• 状況: 大手 IT コンサルティング会社で、顧客案件ごとの 3 つのケース（半自律のスクワッド。ケース J は 2 つのスクワッド）が、GitHub Copilot と社内の GPT ツールを導入した縦断の多事例研究。調査の全期間は約 13 か月で、導入前の過去のスプリントと、導入後の研究期間（1 スクワッドあたり 7 スプリント、数か月）を比べている。コミュニケーションと協業は、観察とフィードバックの会を主とする質的な評価である。
• やったこと: 導入の前に、半構造化インタビューで習熟度を確かめ、全員に標準の 2 時間の Copilot の研修（プロンプトの工夫を含む）を行った。そのうえで、チームが日常の開発でツールを使い続けた。
• 起きたこと: インタビューと研修の介入が、正式の場（ふりかえり）と非公式の場（スタンドアップ、Teams の通話）という、知識を交換し共有する新しい場を作った、と著者は書いている。フィードバックから、生成 AI の導入で協業の焦点が、コードを共同で書く時間から、レビューと統合に使う時間へ移ったことがうかがえた。著者は、これを協業が減ったのではなく、共同での構築から共同での評価に形が変わったと解釈し、チームの結束を保ち、連絡の手間を最適にする可能性があるとしている。ふりかえりの質や、改善の実行にどう影響したかは書かれていない（結果の記述なし）。
• 注意点: 協業の評価は観察とフィードバックの会を主とする質的なもので、測定値は示されていない（「示唆された」という書き方）。自由記述の回答は、生成 AI（Gemini）で要約し、研究者 2 人が確かめている。 1 社 3 ケースで、協力的な早期導入のチームだった可能性を、著者が限界に挙げている。導入前後の比較について、著者は、チームの成熟やプロジェクトへの習熟による影響を完全には切り分けられず（調査の前から 1 年以上同じプロジェクトにいたので、部分的には緩和されるとも書いている）、満足や効率の認識は新奇性やホーソン効果で高くなった可能性がある、と書いている。協業の質的な評価にこれらがどう効いたかは、示されていない。手法名は書かれておらず、Scrum 固有ではない（アジャイルチーム全般）。知識交換の場が生まれたのは、導入前のインタビューと研修の効果と書かれており、ツールだけの効果とは言えない。
• 根拠: 事例研究／複数チーム。文献: Impacts of Generative AI on Agile Teams’ Productivity: A Multi-Case Longitudinal Study（2026）。文献の種類: 論文・研究者。位置: 4.4 Communication and Collaboration (C) / 3.4 Study Design and Protocol / 3.7 Data Analysis Procedures / 6 Threats to Validity。確認の根拠: 原典
• 原文: “qualitative feedback suggested that GenAI shifted the focus of collaboration, with less time spent co-writing code and more time dedicated to review and integration.”

ウクライナの大学の報告（対照群のある比較）では、AI が作ったスプリントのレポートを用意したチームで、ふりかえりなどの議論が効果的になったと参加者が述べ、著者は、議論が具体的になり、時間も短くなったと書いていた ［AI-Augmented Scrum（2025）］

• 状況: 3 つの IT 会社で、Scrum の 12 チームに AI ツールを入れて 6 か月追った対照群のある比較。入れたチームの参加者は、AI の助けが仕事にどう影響したかを日記に書いている。
• やったこと: ふりかえりの前に、AI が、スプリントの結果と見つかった問題を整理したレポートを用意した。ふりかえりでは、チームがそのレポートを前にして議論した。
• 起きたこと: 参加者の話として、ふりかえりなどのチームの議論が効果的になったと書かれている。著者は、AI が用意したレポートのおかげで、議論が具体的になり、ふりかえりの時間が短くなったと書き、チームが AI の整理した状況を見て、すぐに解決策の検討に移れたためだと説明している。短縮の大きさは本文に概数で書かれているが、誰の計測か、どう測ったかは示されていない（ここでは数値を使わない）。改善案の数や、実行された改善、チームの学びがどうなったかは書かれていない（結果の記述なし）。
• 注意点: 参加者の語りと著者の記述で、ふりかえりの質や時間の測り方は書かれていない。時間の短縮の大きさは本文に書かれているが、測り方の記述が薄く、強い根拠としては使わない。短くなったことが、議論が良くなったのか、浅くなったのかは、確かめられていない。 12 チームの小さな標本で、先進的な会社が選ばれた可能性や新奇性の影響を、著者が限界に書いている。原文はウクライナ語で、ページに異言語文字を出さない規則のため、原文の引用は書かない（原文を読んで確かめた）。
• 根拠: 事例研究／複数チーム。文献: AI-Augmented Scrum: Empirical Analysis of the Impact of Implementing AI Tools on the Results of IT Projects（2025）。文献の種類: 論文・研究者。位置: 結果の節（質的な観察）。確認の根拠: 原典

ウクライナの大学の報告（対照群のある比較）では、生成 AI と自動化ツールを入れた Scrum チームで、スクラムマスターの定型の事務の一部が自動化され、事務の負担が減ったとチームのマネージャーが述べていた（著者は、リーダーが人との対話や課題の解決に時間を回せるようになったとまとめている） ［AI-Augmented Scrum（2025）］

• 状況: 3 つの IT 会社で、Scrum の 12 チームを 6 か月追い、AI ツールを入れなかった対照のチームと、入れたチームを比べた報告（キーウ航空大学）。入れたチームは、ChatGPT・Claude、GitHub Copilot、自動化のプラットフォーム（n8n）、Notion AI、Power BI の AI 分析を使った。入れる前に、短い研修を行っている。
• やったこと: n8n で、Slack やコードレビューの出来事から Jira の課題を自動で作る、期限の通知を送る、指標を集めて週次の進捗レポートを Confluence に作る、という流れを設定した。 Notion AI は、毎日のスタンドアップの音声を要約して議事録を作り、ふりかえりの下書きを作った。ChatGPT は、スプリントの要約レポートの下書きや、ステークホルダー向けの毎日の状況報告の下書きを作った。
• 起きたこと: 導入したチームのマネージャーは、会議の設定・レポート作成・文書の管理といった事務の負担が目に見えて減ったと述べた。スクラムマスターと分析担当の定型の義務の一部は、自動化された流れが担うようになった。著者は、これでチームのリーダーが、問題の解決、人との対話、戦略の計画に時間を回せるようになったとまとめている。一方で、スクラムマスターの支援の中身がどう変わったか、チームの受け止めはどうだったかは、書かれていない（結果の記述なし）。
• 注意点: 報告は短い論文で、方法の記述が薄い（割り付けの方法、事務負担の測り方、標本の選び方など）。事務負担の変化はマネージャーの述べた印象で、測定値として使えない（本文は概数を添えるが、測り方の記述がなく、ここでは数値を使わない）。リーダーが回した時間の使い方も、測られていない。同じ報告に、スクラムマスターが自動のレポートに頼って直接の対話が減った例があり、事務の自動化は対話の減少と両面を持つ。 12 チームという小さな標本で、先進的な会社が選ばれた可能性や、新しい道具への熱意（新奇性）の影響を、著者自身が限界に書いている。同じ報告の指標（スプリントの日数、遅れた課題の割合など）は、ここでは使わない。原文はウクライナ語で、ページに異言語文字を出さない規則のため、原文の引用は書かない（原文を読んで確かめた）。
• 根拠: 事例研究／複数チーム。文献: AI-Augmented Scrum: Empirical Analysis of the Impact of Implementing AI Tools on the Results of IT Projects（2025）。文献の種類: 論文・研究者。位置: 研究の方法の節／結果の節（質的な観察）／考察の節。確認の根拠: 原典

アジャイルコーチ・スクラムマスターの一部は、生成 AI をふりかえりの準備に使っていたが、会議の進行や意思決定に使ったと報告した人はいなかった ［Between Policy and Practice（2026）］

• 状況: ドイツの 3 組織（大手自動車メーカーのソフトウェア拠点、ソフトウェア開発会社、小さなアジャイルコーチング会社）で、アジャイルコーチ・スクラムマスター・プロダクトオーナー・開発者に、生成 AI をどう使っているかを半構造化インタビューで聞いた多事例研究（社内文書の分析も併用）。生成 AI の導入について、役割ごとの使われ方を整理している。
• やったこと: 介入ではなく、各自が実際にしていた使い方の記述である。アジャイルコーチ・スクラムマスターの一部（3 人が言及）は、ふりかえりの準備に、創造的な形式を生成させる、チームへのアンケートの文面を磨き込ませる、という使い方をしていた。ほかに、研修の資料や社内向けの発表など、白紙から書き始める場面で、考えを整理するのに使うという言及もあった（1 人を例に挙げている）。
• 起きたこと: 著者は、これらの使い方を、発想・構成・推敲という認知作業の初期の段階を助けるもので、全面的な自動化ではないと整理している。一方、インタビューした人のなかに、意思決定や会議の進行そのものに生成 AI を使ったと報告した人はいなかった。理由として、品質、倫理、チームの受け入れへの懸念が挙がっていた。本文は、生成 AI は人間の要素を置き換えず、後ろから支える道具と見られていると書いている（見ている主体は特定されていない）。ふりかえりの準備に使った結果、ふりかえりの質や進み方がどうなったかは書かれていない（結果の記述なし）。
• 注意点: インタビューにもとづく自己申告で、使い方を観察したものではない。ふりかえりの準備に使ったと言及したのは、アジャイルコーチ・スクラムマスターの一部で、全員ではない。対象は規制の似たドイツの 3 組織だけで、著者は、結果が 3 組織の文脈に制約され、全範囲を代表しないと書き、ほかの国や規制での比較を今後の課題としている。 Scrum 固有ではなく、SAFe の中の XP や調整した Scrum など、組織ごとに進め方が違う。同じ論文は、考察と結論で、生成 AI がチームのファシリテーションやふりかえりにも使われているとも書いており、「会議の進行には使われなかった」という結果の範囲は、この論文の中でも揺れている。
• 根拠: 事例研究／大規模な組織。文献: Between Policy and Practice: GenAI Adoption in Agile Software Development Teams（2026）。文献の種類: 論文・研究者。位置: 4.2 Applied GenAI Use-Cases in Agile Software Development（Virtual Tutor の段落。意思決定・会議の進行に使った人がいないという記述は、同節の最終の段落）。確認の根拠: 原典
• 原文: “several Agile Coaches/Scrum Masters (P01, P12, P14) mentioned that they use GenAI to prepare for retrospectives by generating creative formats or by refining formulations in team surveys.”

前提に反する事例

生成 AI が同僚への質問の代わりになり、待ち時間は減りうるが、対話も減りうることが示唆された ［Still just personal assistants（2025）］

• 状況: ヨーロッパの 7 社の聞き取りと、1 社でのパイロットの会合の観察にもとづく多事例研究。生成 AI を使う利点を、回答者が語った内容から整理している。
• やったこと: 介入ではなく、回答者の語りの記述である。同僚に尋ねて返事を待つ代わりに、生成 AI へ尋ねる使い方が語られた（IDE の中で使えるツールを含む）。
• 起きたこと: 著者は、利点を次のように整理している。同僚に聞いて返事を待つ必要がなくなれば、行き詰まっている間の遅れをなくせる場合がある。本文に、そう述べた回答者の引用はない。回答のなかに、生成 AI が同僚に代わって質問に答え、コミュニケーションが変わったという内容があった。待ち時間が減る利点だと整理した一方で、コミュニケーションが減っていることも示す（signals）と述べている。同じ指摘をした先行研究も挙げている。チームの結束や心理的安全性に実際に何が起きたかは、測られておらず、書かれていない。
• 注意点: 自己申告の語りで、対話の量の変化を測ったものではない。「対話が減る」は、著者の解釈（signals decreased communication）であり、観察された結果ではない。本文は「Some responses」と書き、何人がそう述べたかは書かれていない。個人の水準の語りで、scope の値には個人を表すものがないため、最も近い single_team を当てた。対象は開発者の質問への回答の話で、スクラムのイベントでの会話やスクラムマスターの支援には触れていない。
• 根拠: 事例研究／単一チーム。文献: Still just personal assistants? – A multiple case study of generative AI adoption in software organizations（2025）。文献の種類: 論文・研究者。位置: 4.2.2 User benefits of GenAI in SE / 6 Discussion。確認の根拠: 原典
• 原文: “Some responses indicated changes in communication, as LLMs replaced coworkers for answering questions.”

ウクライナの大学の報告（対照群のある比較）では、スクラムマスターが自動のレポートに頼り、チームと直接話すことが減った例が観察された ［AI-Augmented Scrum（2025）］

• 状況: 3 つの IT 会社で、Scrum の 12 チームに AI ツールを入れて 6 か月追った対照群のある比較。著者は、導入に伴う危険を、観察の範囲で整理している。
• やったこと: 介入ではなく、導入したチームで観察された危険の記述である。開発者が Copilot の提案をほとんど確かめずに受け入れる例と、スクラムマスターが自動のレポートに頼って、チームと直接話すことが減った例があった。
• 起きたこと: 著者は、この傾向を、AI がもっともらしく見えるが最適でない案を出すことがあるため、危険になりうると書いている。確かめずに信用すると、技術的負債や見落とした問題につながりうるので、AI が作ったものを検査し、チームで話し合う批判的な思考の文化が要るとしている。著者は、この実験では AI の誤りによる重大な事故は起きなかったとも書いている（ただし、この点はチームのリーダーが常に管理していたと続ける）。スクラムマスターが自動のレポートに頼った結果、チームの状態の把握やチームとの関係がどうなったかは書かれていない（結果の記述なし）。
• 注意点: 「ある例があった」という著者の観察の記述で、何チームで起きたか、頻度は示されていない。小さな標本の比較で、方法の記述が薄い。著者は、先進的な会社が選ばれた可能性や新奇性の影響を限界に書いている。スクラムマスターが減らした対話が、チームにとって不足だったかは確かめられていない。原文はウクライナ語で、ページに異言語文字を出さない規則のため、原文の引用は書かない（原文を読んで確かめた）。
• 根拠: 事例研究／複数チーム。文献: AI-Augmented Scrum: Empirical Analysis of the Impact of Implementing AI Tools on the Results of IT Projects（2025）。文献の種類: 論文・研究者。位置: 考察の節（AI 導入の危険の段落）。確認の根拠: 原典

調査から分かっていること

生成 AI の導入後、ケース J では完了ストーリーポイントが増え、チームが引き受ける計画の量も増えた。コミットされた行数には、導入前後で有意な差が見られなかった ［Impacts of Generative AI on Agile Teams’ Productivity（2026）］

• 状況: 大手 IT コンサルティング会社の 3 つのケースを約 13 か月（導入前の過去のスプリントを含む）追った縦断の多事例研究。このうち、メンバーが一定していたケース J（海運・物流の案件。2 つのスクワッドで、スプリントは 3 週間）の Jira のデータを、導入前の過去のスプリントと導入後のスプリントで比べている。コミット行数の比較は、349 件のコミット（約 456K 行）が対象で、本文はこの分析がケース J だけのものとは書いていない。
• やったこと: GitHub Copilot と社内の GPT ツールを導入し、全員に標準の研修を行ったうえで使い続けた。
• 起きたこと: ケース J では、導入後に完了ストーリーポイントが増え、著者は 59.1% の増加と報告している。同じ期間にチームの計画したストーリーポイントも増え（本文は約 150% と書く。表 3 の値から計算すると、これより大きい）、著者は、導入によってチームが自分たちの容量への自信を持ち、より多くの仕事を引き受けた可能性があると述べている。一方、コミットされた行数には、導入前後で統計的に有意な差が見られず、著者は、仕事の量ではなく、仕事の価値の密度が上がったと解釈している。ストーリーポイントの増加が、見積もりの基準の変化によるものかは書かれていない。
• 注意点: ケース J の結果である。著者自身が、導入後の増加を、チームの成熟やプロジェクトへの習熟、ツールの学習曲線による影響とは完全には切り分けられないと書いている（調査の前から 1 年以上同じプロジェクトにいたので、部分的には緩和されるとも書いている）。新奇性の効果や、調査への参加の自覚（ホーソン効果）で、満足や効率の認識が高くなった可能性も、著者が限界に挙げている（ストーリーポイントや行数の計測値ではなく、認識の指標について）。ストーリーポイントは見積もりの単位で、数え方を変えても増えうる（これは記録者の注記で、本文にはない）。コードの品質は 3 ケースのうち 1 ケースで悪化している。チームの役割や進め方（イベント）の変化を測ったものではない。引用の「同じ水準の量」は著者の言い切りで、コミット行数は有意な差が見られなかったという検定の結果であり、同一とは言えない。59.1% の増加はケース J のものである。本文が有意と書く検定は計画したストーリーポイントと残りのストーリーポイントについてで、完了したストーリーポイントの検定は示されていない。
• 根拠: 事例研究／複数チーム。文献: Impacts of Generative AI on Agile Teams’ Productivity: A Multi-Case Longitudinal Study（2026）。文献の種類: 論文・研究者。位置: 4.2 Performance (P) / 4.3 Activity (A) / 6 Threats to Validity / 3.6 Data Collection Procedures（Table 1）。確認の根拠: 原典
• 原文: “The teams achieved a 59.1% increase in value (P, story points) with the same level of volume (A, number of committed lines).”

アジャイルの実務者 54 人への質問紙では、AI を試した人は多いが、イベントに組み込んだ段階にあるチームは少なく、段階の高いチームほど障壁が技術の理解から倫理・データの統制に偏る傾向が示された（AI 全般、横断比較） ［AI in Agile Environments（2026）］

• 状況: アジャイルチームに関わる実務者への探索的な質問紙調査。 LinkedIn と Slack のアジャイル系コミュニティで 6 週間募り、開発者・スクラムマスター・プロダクトオーナーなど 54 人の有効回答を得た（アジャイルのチームに 6 か月以上関わっている人に限った）。質問紙は、AI の利用の段階を自己評価で、探索（個人が場当たりで試す）・移行（チームの仕事の流れの中で一部の機能を意図して試す）・組み込み（標準のアジャイルのイベントとプロセスに組み込まれている）の 3 段階に分けて聞いた。対象の AI は、生成 AI（コード補助、ChatGPT 系）と、予測・分析型の AI（Jira の自動化、Azure DevOps の分析など）の両方で、生成 AI に限らない。
• やったこと: 介入ではなく、利用の段階と、段階ごとの障壁の自己申告の集計である。
• 起きたこと: 回答者の 78% が、アジャイルの仕事で AI を試したことがあったが、チーム全体で一貫して使っていると答えたのは 23% だった。利用の段階は、探索 60%、移行 29%、組み込み 11% だった。段階ごとに障壁を集計した。探索の段階のチームは研修や理解の不足を主な障壁に挙げ、組み込みの段階のチームは、データの質と倫理・統制への懸念をより多く挙げた。著者は、AI の使い方が成熟するにつれ、課題が技術の導入から、構造と倫理の面の統合に移ると解釈している。質問紙とインタビューを合わせた総括として、著者は次のように書いている。実際の導入は限られた用途にとどまり、個人の主導によることが多い。AI を意思決定やチームをまたぐ計画に使う深い統合は少なく、あってもたいてい試行的だった。スクラムマスターの支援やふりかえりが導入でどう変わったかは、この調査では扱われていない。
• 注意点: 自己申告の質問紙で、標本は小さく無作為ではない（オンラインのコミュニティでの自己選択）。AI に好意的な実務者への偏りがありうると著者は書いている。横断的な調査のため因果や長期の影響は示せず、結果は確証ではなく「示唆」にとどまると位置づけている。組織の規模・業種・地域は統制していない。割合は節によって食い違いがある。調査結果の節には、チーム全体で一貫して採用が 23%、段階別で移行 29%・組み込み 11% とある。23% がどの段階に当たるかは本文で突き合わされていない。組み込みを 11% とする数字は、要旨・IV.A・IV.C で一致している。54 人に対する割合としては、60%・29%・23% は整数の人数にならず、人数との整合は確かめられない（要旨は 78% を「チーム」の割合とも書く）。組み込みの段階は 11% で、およそ数人の小さな群の比較である（この人数は算出で、本文には書かれていない）。段階ごとの障壁の差は、著者が「significantly higher」と書いているが、標本が小さいため検定は行っておらず、記述的な比較である。対象は生成 AI に限らない AI 全般で、スクラムのイベントごとの利用や、役割別の結果は示されていない。
• 根拠: 調査（アンケート）／複数チーム。文献: AI in Agile Environments: Opportunities, Challenges, and Purpose-Aligned Practical Implementation Framework（2026）。文献の種類: 論文・研究者。位置: IV.A Survey Results / IV.C Tool Usage and Readiness Analysis / Abstract。確認の根拠: 原典
• 原文: “The survey revealed that 78% of respondents had experimented with AI tools in their Agile workflows, but only 23% reported consistent, team-wide adoption.”

インタビューでは、AI で開発者の生産性や感情を評価することに、誤読と心理的安全性の喪失を恐れて慎重な人がいた ［AI in Agile Environments（2026）］

• 状況: 54 人への質問紙のあとの 10 人の半構造化インタビュー（構成主義的グラウンデッド・セオリーで分析）。 4 つの主題のうちの 1 つが、倫理への懸念と人による監督である。
• やったこと: 介入ではなく、インタビューで語られた懸念の記述である。
• 起きたこと: 倫理への懸念は、監視と成果の分析をめぐる話でもっとも目立った。一部のインタビュー対象者は、AI で開発者の生産性や感情を評価することに慎重で、誤読と心理的安全性の喪失の危険を理由に挙げた。彼らは、AI がチームの安寧と自律を損なわず支えるために、強い統制の仕組みと人による監督が要ると強調した。実際にチームが AI で感情や生産性を評価して何が起きたかは、この節には書かれておらず、あくまで予想される危険についての語りである。
• 注意点: 少人数のインタビューにもとづく自己申告の語りで、何人がそう述べたかは書かれていない（「Some interviewees」）。ふりかえりでの利用に限った語りではない。ふりかえりでコミュニケーションチャネルの感情分析を議論の入り口にする案は、論文の枠組みの提案（V.B）にあり、著者の提案であって観察された事例ではないので、この記録には含めない。対象は AI 全般で、生成 AI に限らない。
• 根拠: 調査（アンケート）／複数チーム。文献: AI in Agile Environments: Opportunities, Challenges, and Purpose-Aligned Practical Implementation Framework（2026）。文献の種類: 論文・研究者。位置: IV.B.4 Ethical Concerns and Human Oversight。確認の根拠: 原典
• 原文: “Some interviewees were cautious about using AI to assess developer productivity or sentiment, citing risks of misinterpretation and loss of psychological safety.”

何人かの回答者は、AI の導入でチームに必要な技能が変わっていると述べ、アジャイルコーチは、技術・分析の技能が開発者以外のメンバーにも重要になる混成の役割への緩やかな動きを観察したと書かれている ［AI in Agile Environments（2026）］

• 状況: 54 人への質問紙のあとに、10 人へ半構造化インタビューをした。質問紙の回答者のうち志願した人から、AI の利用の段階（探索 5 人・移行 3 人・組み込み 2 人）と役割を網羅するように選び、自由記述でニュアンスのある意見や異論のある意見を書いた人を優先した。分析は構成主義的グラウンデッド・セオリーによる。 4 つの主題のうちの 1 つが、技能の変化と役割の変化である。
• やったこと: 介入ではなく、インタビューで語られた変化の記述である。
• 起きたこと: 何人かの回答者が、AI ツールの導入がチームの力学と必要な技能の変化を促していると述べた。メンバーには、AI が出したデータを解釈し、モデルの限界を理解することがより求められるようになっている。アジャイルコーチは、技術・分析の技能が、開発者でないメンバーにとっても重要になる混成の役割へ、少しずつ向かう動きを観察した。スクラムマスターやプロダクトオーナーの具体的な役割が何に変わったかは、この節には書かれていない。
• 注意点: 少人数のインタビューにもとづく自己申告の記述で、役割の変化を導入の前後で追ったものではない。何人のアジャイルコーチがそう述べたかは書かれていない（「Agile Coaches observed」という書き方）。質問紙の役割は開発者・スクラムマスター・プロダクトオーナーで、アジャイルコーチは挙がっていない。インタビュー対象者の選び方には、志願者から異論のある意見を優先するという偏りがある。この文には文献 [14] が付いており、観察の出所がこの研究のインタビューなのか、引用された文献なのかは、本文だけでは切り分けられない。考察の節には、スクラムマスターが「倫理の調整役」になりうる、データを読む力が要る、といった記述がある。これは著者の示唆（調査の結果をもとにした提案）で、観察された事例ではないので、この記録には含めない。対象は AI 全般で、生成 AI に限らない。
• 根拠: 調査（アンケート）／複数チーム。文献: AI in Agile Environments: Opportunities, Challenges, and Purpose-Aligned Practical Implementation Framework（2026）。文献の種類: 論文・研究者。位置: IV.B.3 Skill Shift and Role Evolution。確認の根拠: 原典
• 原文: “Agile Coaches observed a gradual shift toward hybrid roles where technical and analytical skills are becoming more important—even for non-developer team members”

3 組織の聞き取りでは、生成 AI は主に個人の作業の補助として使われ、チームの協業を根本から変える使い方ではなかった。使い方は役割で分かれていた ［Between Policy and Practice（2026）］

• 状況: ドイツの 3 組織のアジャイルコーチ・スクラムマスター・プロダクトオーナー・開発者への半構造化インタビューと社内文書の分析（多事例研究）。生成 AI の用途を、横断的に比べて整理している。
• やったこと: 介入ではなく、各役割が実際にしていた使い方の整理である。プロダクトオーナーとアジャイルコーチ・スクラムマスターは、文章を作る創造的な作業（ブレインストーミング、ユーザーストーリーの下書き、顧客への文面など）に多く使っていた。開発者は、定型コードの生成、単体テスト、コードの説明、補完などに使っていた。
• 起きたこと: 使い方の強さは役割と経験によって大きく違い、プロダクトオーナーとアジャイルコーチは多く使い、開発者は少ないものから中程度までだった（コードベースの特性にもよる）。ある会社の経験の長い開発者の一人は、確立した手順と領域の知識があるため必要を感じない、と使用の強さを低く自己評価していた。著者は、生成 AI は主に個人の生産性の補助として使われ、個々の作業を支えるもので、チームの協業を根本から変える（transform する）ものではなかった、とまとめている（同じ論文は、仕事のやり方を微妙に形づくり直しているとも書く）。また、核になる進め方を自動化するのではなく、要求の引き出しやチームのファシリテーションを支えるもので、既存の進め方に組み込まれ、特定の作業を支えるときにもっとも効くように見える、と書いている。
• 注意点: インタビューと社内文書にもとづく自己申告で、観察ではない。対象は規制の似たドイツの 3 組織で、著者が全範囲を代表しないと書いている。役割ごとの人数が少なく（プロダクトオーナーは数人）、使う強さの差が役割によるのか、人や組織によるのかは切り分けられていない。チームの進め方が変わらなかったというのは、聞き取りの範囲での著者の整理で、導入の前後を比べて確かめたものではない。同じ論文は、結論で、チームのファシリテーションや振り返りにも使われていると書いており、「協業を根本から変えなかった」という整理は、論文の中でも揺れている。経験 15 年の開発者という記述は、インタビュー対象者の一覧（経験年数）と一致しない箇所があり、確かめられない。
• 根拠: 事例研究／大規模な組織。文献: Between Policy and Practice: GenAI Adoption in Agile Software Development Teams（2026）。文献の種類: 論文・研究者。位置: 4.2 Applied GenAI Use-Cases in Agile Software Development / 5 Discussion（Technology Context、Organization Context）。確認の根拠: 原典
• 原文: “Across all three organizations, GenAI is primarily leveraged as a personal productivity assistant, augmenting individual tasks rather than transforming team collaboration.”

生成 AI の方針と使われ方の食い違いが 2 つの組織で見られ、開発チーム向けの研修はどの組織にもなく、承認・ライセンス外の ChatGPT が使われていた ［Between Policy and Practice（2026）］

• 状況: ドイツの 3 組織のアジャイルチームで、生成 AI の利用を、組織の方針・ツールの承認・研修の面から聞き取った多事例研究。正式な社内ガイドラインを持つのはソフトウェア会社だけで、大手メーカーはツールの承認とライセンスの判断、Copilot 系の方針はあるが ChatGPT は明示的に規制されておらず、小さなコーチング会社には枠組みがない。実際の使われ方との差を記述している。
• やったこと: 介入ではなく、各組織の方針と、現場がそれにどう対応したかの記述である。ソフトウェア会社は、生成 AI の出力を使う前に、承認権限のある 2 人が確認して承認するという方針を定めていた。大手メーカーでは、承認・ライセンス外の ChatGPT を、開発者が「私的な時間」の使用として使っていた（ある節は非公式の合意で容認と書き、別の節は開発者が読み替えて規制を迂回したと書く）。
• 起きたこと: どの組織も、開発チーム向けの生成 AI の研修や指導を用意していなかった。方針で研修を定めた会社でも、回答者は研修を知らないか、方針の説明だけで実践の技能にならなかったと答えていた。著者は、二重の承認の方針を、実務では実行できず、工程の詰まりになると見ている（仮定の見立てで、観測した結果ではない）。検証の負担を問題だと受け止めた回答者が複数いた（二重の承認そのものへの批判とは限らない）。著者は、トップダウンの統制と現場の仕事の進め方が食い違うと、方針はしばしば非現実的とみなされ、非公式に回避されると解釈している。著者は、承認されたツールがあっても、データ保護の制約で現実の仕事の内容を入れられず使いにくくなり、承認外の代替に向かうことがある、とも述べている。方針を整えた結果、使われ方や成果がどう変わったかは書かれていない（結果の記述なし）。
• 注意点: インタビューと社内文書にもとづく自己申告で、観察ではない。対象はドイツの 3 組織（EU AI Act や GDPR のもと）で、他の国や規制の組織に当てはまるかは確かめられていない。承認されていないツールが使われていたこと自体は報告された事実で、「しばしば回避される」「非公式に移る」という説明は著者の解釈（Technology-Organization-Environment の枠組み）である。この一般論は、別の研究の知見を引いている。「私的な時間」の使用は大手メーカー 1 つの例で、論文の中で、非公式の合意による容認と、開発者による読み替え（迂回）の両方の書き方がある。小さなコーチング会社の私的アカウントは、データを分けるためで、動機が異なる。方針とふりかえりやスクラムマスターの支援との関係は、書かれていない。
• 根拠: 事例研究／大規模な組織。文献: Between Policy and Practice: GenAI Adoption in Agile Software Development Teams（2026）。文献の種類: 論文・研究者。位置: 4.1 Contextual Information on GenAI Adoption / 4.3 Benefits & Barriers of GenAI Adoption / 5 Discussion（Cross-Dimensional Tensions and the Compliance Gap）。確認の根拠: 原典
• 原文: “none of the three cases offers training or coaching for GenAI usage in their software development teams.”

ヨーロッパの 7 社の聞き取りと 1 社の観察では、生成 AI は個人の補助として使われ、組織のプロセスを変える使い方には至っていなかった ［Still just personal assistants（2025）］

• 状況: フィンランドとノルウェーを中心とするヨーロッパのソフトウェア関連 7 社（大企業から零細まで）の多事例研究。管理職・経営層と開発者への半構造化インタビュー（15 件、うち 9 件は 1 社に集中）と、最も詳しく調べた 1 社で GitHub Copilot を試す 7 人の開発者の会合（8 か月、13 回）の観察から、テーマ分析をした。対象の仕事はソフトウェア開発全般で、スクラムのチームやイベントに限った研究ではない。
• やったこと: 介入ではなく、各社の生成 AI の使い方の記述である。導入の進め方は会社で違い、上から配って使うツールを決める会社、ライセンスの一部を配りつつ従業員が別のツールも使う会社、費用を払い戻して従業員にツールを選ばせる会社などがあった。
• 起きたこと: 生成 AI は、主に個々の従業員の個人用の補助として使われていた。組織のプロセスの一部として使っていた例は少なく、ある 1 社が特定のプロジェクトの工程で使っていた程度だった。どの対象企業も、ソフトウェア開発を組織の水準で大きく変えるような使い方はしていなかった。管理職・経営層の回答者に、タスクやプロセスの完全な自動化を語る人はおらず、当面は、生成 AI を既存のプロセスを強める手段と見ていた。当面は、人を置き換えうると考える企業もなかった。観察した 1 社のパイロットの終わりの感想は控えめで、著者は、この時点では役に立つ道具であって、仕事を変えるほどのものとは見ていないようだと読み取っている。著者は、プロセスや製品に関わる使い方は業界でまだ出てきている段階にあるとまとめている。一方で、個人の水準でも、大きな変化はまだこれからのように見えると書いている。
• 注意点: 少数の事例にもとづく自己申告で、効果を測ったものではない（著者が、利点は自己申告のみで測定していないと明記している）。便宜的な標本（個人のつながりで探した）で、すべてヨーロッパの企業であり、規制の事情が他の地域と違いうる。企業 C から G は回答者が 1 人ずつで、企業 D は開発者の 1 人だけだった。回答者は経験 6 年以上の比較的上位の人が中心で、経験の違いの影響は調べられていない。どの対象企業も、生成 AI に関するデータを積極的には集めておらず、効果を数字で示せていなかった。スクラムマスターの支援、ふりかえり、チームの役割の変化は、この研究の焦点ではない。本文にも書かれていない。
• 根拠: 事例研究／大規模な組織。文献: Still just personal assistants? – A multiple case study of generative AI adoption in software organizations（2025）。文献の種類: 論文・研究者。位置: 4.3.3 GenAI use cases in industrial SE settings / 5 Summary of results（RQ3）/ 6 Discussion / 4.2.1（パイロットの終わりの感想）。確認の根拠: 原典
• 原文: “However, none of our case organizations used LLMs in ways that notably transformed SE on an organizational level.”

組織の用意したツールの外の生成 AI を、従業員が自分の判断で、私的な時間にも使っているように見えた。著者は、組織の導入が遅れ、影の IT の問題になりうると見ている ［Still just personal assistants（2025）］

• 状況: ヨーロッパの 7 社の聞き取りと、1 社でのパイロットの会合の観察にもとづく多事例研究。ライセンスの配り方と使われ方を、会社ごとに記述している。
• やったこと: 介入ではなく、各社の方針と現場の使い方の記述である。ある会社はデータの扱いの指針は出したが、効果的な使い方の指針は出していなかった。別の会社は、ライセンスを配らず、費用を払い戻して従業員にツールを選ばせ、組織のライセンスがない間も開発者が広く使っていた。一部の開発者は、無料や個人のライセンスの追加のツールも使っていた。
• 起きたこと: 著者は、従業員が組織の公式に用意したツールの外のものをよく使っているように見える、と書いている。私的な時間にも使っていることが多く、組織の導入の遅れを指すと解釈している。その結果、生成 AI でも、承認を経ない IT の利用（影の IT）が問題になりうる、と述べている。また、導入の進め方は上からの配布、混合、下からの選択に分かれたが、方針や指針で使い方の質や成果がどう変わったかは、比べられていない。
• 注意点: 自己申告の語りで、組織の外のツールを使う従業員の数や頻度は測られていない（「seemed to often」）。影の IT が問題になるという点は、著者の見立て（potential problem）であって、観察された結果ではない。組織の用意した指針や研修の有無と、使われ方の関係を比べた研究ではない。ヨーロッパの 7 社の便宜的な標本で、規制の事情が他の地域と違いうる。
• 根拠: 事例研究／大規模な組織。文献: Still just personal assistants? – A multiple case study of generative AI adoption in software organizations（2025）。文献の種類: 論文・研究者。位置: 4.1 Case overview / 4.2.2 User benefits（承認外のツール）/ 4.3.2 Organizational challenges / 6 Discussion（GitHub の調査との対比の段落）。確認の根拠: 原典
• 原文: “Individual employees seemed to often use tools outside the ones their organization officially provided, and often used them in their spare time, pointing to organizations lagging behind in GenAI adoption.”

ブラジルの質問紙では、ワーキングアグリーメントの改善やプロダクトのビジョンの記述のような作業に、生成 AI を使っているか使う予定の人は、3 割前後だった ［Adoption of Large Language Models in Scrum Management（2026）］

• 状況: ブラジルの Scrum の実務者への質問紙調査。Exploring Scrum・成果物・イベント・その他の管理作業の領域ごとに、生成 AI の利用と利用の予定を尋ねている。
• やったこと: 介入ではなく、各自の使い方と使う予定の自己申告である。
• 起きたこと: ワーキングアグリーメントの改善は、使っているか使う予定が 33%、使う予定がないが 33% だった。プロダクトのビジョンの記述は、使っているか使う予定が 29%、使う予定がないが 38% だった。著者は、価値の判断や合意に関わる作業の担い手を、実務者があえて人に残していると解釈している（著者の分類）。人に残した結果、チームの合意や協業がどう変わったかは書かれていない（結果の記述なし）。
• 注意点: 自己申告の質問紙で、実際の行動を観察したものではない。標本は非確率の便宜的なもので、回答者数の記述が箇所により異なり、割合の分母は確かめられない。「使っているか使う予定」の合計で、いま使っている人の割合ではない。「あえて人に残している」は著者の解釈で、回答者がその理由を答えたとは限らない。同じ質問紙の、コラボレーションに関わる利点の同意率（協業は 64%、効率は 89%）は別の質問項目であり、この結果の裏付けとして使っていない。
• 根拠: 調査（アンケート）／大規模な組織。文献: Adoption of Large Language Models in Scrum Management: Insights from Brazilian Practitioners（2026）。文献の種類: 論文・研究者。位置: 4 Results and Discussion（Adoption Across Scrum Practices (RQ2)）。確認の根拠: 原典
• 原文: “However, alignment-heavy or culturally embedded tasks show clear resistance: improving working agreements (33% use/plan, 33% don’t plan) and describing product vision (29% use/plan, 38% don’t plan).”

ブラジルの実務者への質問紙では、スクラムのイベントでの生成 AI は、使っているか使う予定の割合が要約と統合で高く、議題の設計や障害の洗い出しはそれより低かった ［Adoption of Large Language Models in Scrum Management（2026）］

• 状況: ブラジルで Scrum の経験を持つ実務者に、AI チャットアシスタントの使い方を尋ねた質問紙調査（2025 年 10〜11 月）。便宜的な標本とスノーボール式の募集で、統計的に代表的な標本ではないと著者が書いている。 Exploring Scrum・成果物・イベント・その他の管理作業の 4 つの領域ごとに、「使っている」「使う予定」を尋ねている（役割ごとには、有用性の受け止めを尋ねている）。
• やったこと: 介入ではなく、各自の使い方と使う予定の自己申告である。イベントでは、起きたことの要約と、スプリントレビューのフィードバックの統合が先行していた。
• 起きたこと: イベントの出来事の要約は、使っているか使う予定の回答が 68%（本文は「36% がすでに使っている」と添える）、スプリントレビューのフィードバックの統合は 64%（同じく「42% がすでに使っている」）だった。議題とタイムボックスの設計（54%）や障害の洗い出し（48%）は、これらより低かった。著者は、判断と文脈の機微が要る作業なので慎重な取り入れになったと説明し、それでも使う予定は小さくなく、信頼が育っているとも書いている。レビューのフィードバックの統合が、レビューの質やその後の行動にどう影響したかは書かれていない（結果の記述なし）。
• 注意点: 自己申告の質問紙で、実際の行動を観察したものではない。非確率の標本で、開発者（47%）や技術系の業種が多い。回答者数の記述が箇所により異なる（全体は 70 人、全項目に答えた分析対象は 49 人、結論では 33 人が活発に使っていると書かれている）。割合の分母が 49 人か 33 人かは、本文からは確かめられない。「うち 36%」「うち 42%」が全体に対する割合かも確かめられない。「使っている」と「使う予定」を合わせた割合なので、実際に使っている人は、これより少ない。イベントごとの結果（ふりかえり自体の質など）は測っていない。
• 根拠: 調査（アンケート）／大規模な組織。文献: Adoption of Large Language Models in Scrum Management: Insights from Brazilian Practitioners（2026）。文献の種類: 論文・研究者。位置: 4 Results and Discussion（Adoption Across Scrum Practices (RQ2)）/ 7 Final Remarks。確認の根拠: 原典
• 原文: “Summarizing what happened during events reaches 68% combined use/plan (with 36% already using), while synthesizing Sprint Review feedback reaches 64% (with 42% already using).”

ブラジルの質問紙では、生成 AI の利用方針は、ない・正式にある・非公式にあるが割れており、著者は、実務者の主導で採用が進んでいると解釈している ［Adoption of Large Language Models in Scrum Management（2026）］

• 状況: ブラジルの Scrum の実務者への質問紙調査。AI チャットアシスタントを使う人に、組織の方針と、使い方の形（正式な手順か、非公式か）を尋ねている。
• やったこと: 介入ではなく、組織の方針と使い方の自己申告である。
• 起きたこと: 方針がないという回答が 36%、正式な方針があるという回答が 36%、非公式の指針に頼るという回答が 12% だった（合計は 84%。残りの内訳は本文にない）。著者は、回答者の 51% が非公式に使い、45% が定められた手順に従っているとして、組織が定めたというより、実務者の主導で採用が進んでいると解釈している。方針があるチームとないチームの成果や使い方の違いは、書かれていない（結果の記述なし）。
• 注意点: 自己申告の質問紙で、回答者数の記述が箇所により異なり、割合の分母は確かめられない。方針の有無と使い方の質の関係は、測っていない。「実務者の主導で進んでいる」は、非公式に使う割合からの著者の推論で、誰の判断で始めたかを尋ねた記述は、本文からは確認できない。非確率の便宜的な標本で、ブラジルの実務者に限られ、他の国には当てはまるか確かめられていない。
• 根拠: 調査（アンケート）／大規模な組織。文献: Adoption of Large Language Models in Scrum Management: Insights from Brazilian Practitioners（2026）。文献の種類: 論文・研究者。位置: 4 Results and Discussion（Knowledge and Usage of LLMs Among Scrum Professionals (RQ1)）。確認の根拠: 原典
• 原文: “Organizational governance is mixed: 36% report no policy, 36% have formal policies, and 12% rely on informal guidelines”

ブラジルの質問紙では、生成 AI の有用性の受け止めは役割で分かれ、スクラムマスターは中程度だった（著者は、人が中心の作業と整理している） ［Adoption of Large Language Models in Scrum Management（2026）］

• 状況: ブラジルの Scrum の実務者への質問紙調査。役割ごとに、AI チャットアシスタントの有用性の受け止めを尋ねている。回答者の役割は、開発者が最多（47%）で、スクラムマスター（12%）、品質保証（8%）、プロダクトオーナー（6%）が続く。
• やったこと: 介入ではなく、役割ごとの有用性の自己申告である。
• 起きたこと: 著者は、開発者は 84% が有用または非常に有用と答え、スクラムマスターは「中程度だが着実な効果」（56%）と報告している。著者は、スクラムマスターの仕事をファシリテーション・コーチング・障害の除去と整理し、AI が助けうるが、人が中心にある作業だと書いている。プロダクトオーナーの受け止めは割れ、優先順位づけ・ビジョンの伝達・バックログの推論に有用と答える人がいる一方、適用が小さいと答える人も少なくなかった。スクラムマスターのどの作業に、どう使って、何が良くなったかは書かれていない（結果の記述なし）。
• 注意点: 自己申告で、役割ごとの人数は書かれていない（割合から、スクラムマスターは数人規模と推定される）。 56% が何の割合か（有用と答えた割合か）は、本文に定義が書かれていない（84% には「有用または非常に有用」と書かれている）。割合の分母も確かめられない。有用性の受け止めであり、スクラムマスターの支援の質を測ったものではない。「人が中心の作業」「ファシリテーション・コーチング・障害の除去」は著者の整理で、回答者が挙げた使い方の集計ではない。
• 根拠: 調査（アンケート）／大規模な組織。文献: Adoption of Large Language Models in Scrum Management: Insights from Brazilian Practitioners（2026）。文献の種類: 論文・研究者。位置: 4 Results and Discussion（Perceived Benefits (RQ3)、Summarized Answer）/ Participant, Organizational, and Project Profiles。確認の根拠: 原典
• 原文: “Scrum Masters show moderate but steady benefits (56%), consistent with facilitation, coaching, and impediment-resolution tasks that can benefit from AI but remain deeply human-centered.”

出典一覧

文献	年	ライセンス	記録の数
AI-Augmented Scrum: Empirical Analysis of the Impact of Implementing AI Tools on the Results of IT Projects	2025	CC BY 4.0	3
AI in Agile Environments: Opportunities, Challenges, and Purpose-Aligned Practical Implementation Framework	2026	CC BY 4.0	3
Between Policy and Practice: GenAI Adoption in Agile Software Development Teams	2026	CC BY 4.0	3
Impacts of Generative AI on Agile Teams’ Productivity: A Multi-Case Longitudinal Study	2026	CC BY 4.0	2
Adoption of Large Language Models in Scrum Management: Insights from Brazilian Practitioners	2026	CC BY 4.0	4
Still just personal assistants? – A multiple case study of generative AI adoption in software organizations	2025	CC BY 4.0	4

---

🔍 妥当性検証レポート（クリックして展開）

• 総合判定: ✅ 合格 (スコア: 100/100)
• 評価の前提: 結論（TL;DR）を、このページに載せた事例と知見だけに照らして評価した
• 形式論理検証: PASS
• LLM批判的評価（agy: gemini-3.8-flash-high）: Faithfulness 5.0/5, Relevance 5.0/5

評価コメント:

• 前提コンテキストの記述に対して極めて誠実かつ論理的に構成された秀逸な回答です。 1. Faithfulness（忠実性: 5点）: コンテキスト外の俗説（「生成AIによってスクラムマスターが不要になる」「スプリントの生産性が劇的に向上する」といった安易な言説）や勝手な断定が一切排除されています。「効果を厳密に比較・検証した文献は見当たらない」という事実の限界を冒頭で明確に宣言し、各事例における「自己申告であること」「観察と著者の解釈の違い」「標本サイズの小ささや新奇性・ホーソン効果の影響」「生成AI固有ではなくAI全般を扱っている点」など、コンテキスト内の注意点や留保条件を漏れなく正確に反映しています。 2. Relevance（関連性: 5点）: 質問に含まれる「役割」「進め方」「ふりかえり」「スクラムマスターの支援」という4つの論点すべてに過不足なく直接回答しています。 - 役割: 個人作業の補助にとどまり協業を根本から変える段階にはないこと、混成の役割への緩やかな動き、合意形成や価値判断（ビジョンやワーキングアグリーメント）は人間側に残される傾向を網羅。 - 進め方: 協業の焦点がコード執筆からレビュー・統合へ移った示唆、個人の仕事のやり方の変化（コメント先行、TDDなど）、同僚への質問代替による対話減少の懸念、イベントへの本格組み込みはまだ一部である現状を提示。 - ふりかえり: AIレポートによる議論の具体化・短縮の報告（ただし証拠の弱さも明記）、知識交換の場としての再定義、準備段階での活用にとどまり会議進行・意思決定には用いられていない実態を整理。 - スクラムマスターの支援: 定型事務の自動化による負担軽減の一方で直接対話が減る危険性、支援自体の質的変化を実証したデータは不足しているという限界を的確に指摘。エビデンスベースのアプローチに基づき、「何が確認されていて、何が未検証なのか」を客観的かつ論理整合性を保って記述しており、批判的評価として非の打ち所がありません。

---

関連する用語

• スクラムマスター
• スプリントレトロスペクティブ
• スクラムチーム
• デイリースクラム