論文の概要: Experience with GitHub Copilot for Developer Productivity at Zoominfo
- arxiv url: http://arxiv.org/abs/2501.13282v1
- Date: Thu, 23 Jan 2025 00:17:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-24 15:59:37.135979
- Title: Experience with GitHub Copilot for Developer Productivity at Zoominfo
- Title（参考訳）: Zoominfoでの開発者生産性のためのGitHub Copilotの経験
- Authors: Gal Bakal, Ali Dasdan, Yaniv Katz, Michael Kaufman, Guy Levin,
- Abstract要約: Zoominfoでは、GitHub Copilotのデプロイメントと開発者の生産性への影響を評価しています。
提案では平均33%,コード行では20%の受け入れ率を示し,高い開発者の満足度スコアは72%であった。
我々の発見は、企業環境におけるAI支援ソフトウェア開発に関する知識の増大に寄与する。
- 参考スコア（独自算出の注目度）: 1.631115063641726
- License:
- Abstract: This paper presents a comprehensive evaluation of GitHub Copilot's deployment and impact on developer productivity at Zoominfo, a leading Go-To-Market (GTM) Intelligence Platform. We describe our systematic four-phase approach to evaluating and deploying GitHub Copilot across our engineering organization, involving over 400 developers. Our analysis combines both quantitative metrics, focusing on acceptance rates of suggestions given by GitHub Copilot and qualitative feedback given by developers through developer satisfaction surveys. The results show an average acceptance rate of 33% for suggestions and 20% for lines of code, with high developer satisfaction scores of 72%. We also discuss language-specific performance variations, limitations, and lessons learned from this medium-scale enterprise deployment. Our findings contribute to the growing body of knowledge about AI-assisted software development in enterprise settings.
- Abstract（参考訳）: 本稿では,GitHub Copilotのデプロイメントと開発者の生産性への影響を,Go-To-Market(GTM)インテリジェンスプラットフォームであるZoominfoで総合的に評価する。
私たちは、エンジニアリング組織全体でGitHub Copilotを評価し、デプロイするための、系統的な4段階のアプローチについて説明します。
当社の分析では,GitHub Copilotが提案する提案の受け入れ率と,開発者の満足度調査による開発者からの質的なフィードバックに重点を置いて,定量的な測定値を組み合わせています。
その結果,提案に対する平均受け入れ率は33%,コード行数20%であり,開発者の満足度は72%であった。
また、この中規模の企業展開から学んだ言語固有のパフォーマンスのバリエーション、制限、教訓についても論じる。
我々の発見は、企業環境におけるAI支援ソフトウェア開発に関する知識の増大に寄与する。
関連論文リスト
- Large Language Models Orchestrating Structured Reasoning Achieve Kaggle Grandmaster Level [73.14232472724758]
我々は、エンドツーエンドの自律データサイエンスエージェントであるAgent K v1.0を紹介する。
経験から学ぶことによって、データサイエンスのライフサイクル全体を管理する。
キー情報を選択的に保存して検索することで、長期記憶と短期記憶を最適化する。
論文 参考訳（メタデータ） (2024-11-05T23:55:23Z) - Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。
改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
論文 参考訳（メタデータ） (2024-10-29T12:21:23Z) - OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。
プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
論文 参考訳（メタデータ） (2024-07-23T17:50:43Z) - Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data [49.1574468325115]
ChatGPTは、ソフトウェア生産効率を向上させるAIツールである。
10万人あたりのgitプッシュ数、リポジトリ数、ユニークな開発者数に対するChatGPTの影響を見積もっています。
これらの結果は、ChatGPTのようなAIツールが開発者の生産性を大幅に向上させる可能性があることを示唆している。
論文 参考訳（メタデータ） (2024-06-16T19:11:15Z) - OpenCodeInterpreter: Integrating Code Generation with Execution and Refinement [58.034012276819425]
我々はOpenCodeInterpreterを紹介した。OpenCodeInterpreterは、コードを生成、実行、反復的に精製するためのオープンソースのコードシステムのファミリーである。
我々は,HumanEvalやMBPP,EvalPlusの強化バージョンなど,主要なベンチマークを対象としたOpenCodeInterpreterの総合評価を行った。
論文 参考訳（メタデータ） (2024-02-22T16:06:23Z) - Generative AI for Pull Request Descriptions: Adoption, Impact, and
Developer Interventions [11.620351603683496]
GitHubのCopilot for Pull Requests (PR)は、PRに関連するさまざまな開発者タスクを自動化することを目的とした有望なサービスである。
本研究では,生成AIによって記述の一部が作成された18,256個のPRについて検討した。
われわれは、Copilot for PRは幼少期ではあるが、採用が著しく増加していることを示唆している。
論文 参考訳（メタデータ） (2024-02-14T06:20:57Z) - The Impact of AI Tool on Engineering at ANZ Bank An Empirical Study on GitHub Copilot within Corporate Environment [0.0]
本研究では,大規模組織におけるソフトウェアエンジニアリングプラクティスにおけるAIツールの統合について検討する。
私たちは、ソフトウェア開発ライフサイクルのすべての側面をカバーする5000人以上のエンジニアを雇用するANZ Bankに重点を置いています。
本稿では、実世界のエンジニアリングタスクにおけるその有効性を評価するために、制御された環境内で、注目すべきAIツールであるGitHub Copilotを使用して実施された実験について詳述する。
論文 参考訳（メタデータ） (2024-02-08T12:47:57Z) - Automated DevOps Pipeline Generation for Code Repositories using Large
Language Models [5.011328607647701]
調査では、GitHubの生成におけるGPT 3.5とGPT 4の習熟度を精査するとともに、最も効率的なパイプライン構築におけるさまざまなプロンプト要素の影響を評価している。
GPTは4。
Probot上に構築されたGitHubアプリを導入し、GitHubエコシステム内でワークフロー生成を自動化する。
論文 参考訳（メタデータ） (2023-12-20T17:47:52Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳（メタデータ） (2023-05-08T15:24:23Z) - Study of software developers' experience using the Github Copilot Tool
in the software development process [0.0]
Github Copilotは2021年6月29日に発表された。
トレーニングされたモデルを使用して、人間の理解可能な言語に基づいたコードを生成する。
本研究では,このツールに対する開発者のアプローチについて検討する。
論文 参考訳（メタデータ） (2023-01-12T13:12:54Z) - An Empirical Cybersecurity Evaluation of GitHub Copilot's Code
Contributions [8.285068188878578]
GitHub Copilotは、オープンソースのGitHubコードに基づいてトレーニングされた言語モデルである。
コードにはしばしばバグが含まれているため、言語モデルが悪用可能なバグの多いコードから学べることは確かです。
これにより、Copilotのコードコントリビューションのセキュリティに対する懸念が高まる。
論文 参考訳（メタデータ） (2021-08-20T17:30:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。