Что данные о 20 миллионах pull requests говорят о трансформации с помощью ИИ
What Data from 20 Million Pull Requests Reveal About AI Transformation
По данным 20 миллионов pull requests, рост использования AI-инструментов удваивает пропускную способность команды, но при сильно распределённой по репозиториям архитектуре этот эффект почти пропадает.
- Adoption как поведение — доля времени, когда разработчик использует AI-инструменты при написании кода; медиана по компаниям выросла примерно с 22% до почти 90%.
- Автономные агенты пока экспериментальны — 44% компаний что-то пробовали за последние три месяца, но меньше 0,2% смерженных PR созданы полностью автономными агентами.
- Что меняется в метриках — при переходе от нулевого использования к полному PR на инженера примерно удваиваются, cycle time падает на 24%, а PR становятся на 18% больше по net lines. По словам автора, значимой связи с числом багов и откатов не видно.
- Архитектура ограничивает эффект — в централизованных и сбалансированных архитектурах рост throughput достигает примерно 4x, а при большом числе репозиториев на инженера корреляции с adoption нет. Автор связывает это с проблемой контекста между репозиториями.
Кому полезно: тем, кто измеряет влияние AI-инструментов на throughput команды и думает, как разбиение кода на репозитории влияет на результат.
Статья по теме
Главы
Ещё доклады: Nicholas Arcolano
Страница спикера →Похожие доклады
AI coding agents ломают большие кодовые базы
AI Engineer World's Fair 2026
Близко по содержанию
Руководство разработкой с помощью AI
AI Engineer Code 2025
Близко по содержанию
Как разработка с AI может вдвое повысить производительность инженерной команды
AI Engineer Europe 2026
Близко по содержанию

