論文の概要: Who is using AI to code? Global diffusion and impact of generative AI
- arxiv url: http://arxiv.org/abs/2506.08945v1
- Date: Tue, 10 Jun 2025 16:06:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:42.852404
- Title: Who is using AI to code? Global diffusion and impact of generative AI
- Title（参考訳）: プログラミングにAIを使うのは誰か? グローバル拡散と生成AIの影響
- Authors: Simone Daniotti, Johannes Wachs, Xiangnan Feng, Frank Neffke,
- Abstract要約: 生成的コーディングツールは生産性の大きな向上を約束するが、不均一な獲得はスキルと収入のギャップを広げる可能性がある。
2024年12月までに、AIはアメリカの貢献者から推定30.1%のPython関数を書いたが、ドイツでは24.3%、フランスでは23.2%、インドでは21.6%、ロシアでは15.4%、中国では11.7%だった。
開発者内固定効果モデルでは、30%のAI利用への移行が四半期コミットを2.4%引き上げている。
この効果を職業的タスクと賃金データと組み合わせることで、米国でのAI支援コーディングの年間価値は9.6億ドルから14.4億ドルになる。
- 参考スコア（独自算出の注目度）: 0.6999740786886538
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative coding tools promise big productivity gains, but uneven uptake could widen skill and income gaps. We train a neural classifier to spot AI-generated Python functions in 80 million GitHub commits (2018-2024) by 200,000 developers and track how fast--and where--these tools take hold. By December 2024, AI wrote an estimated 30.1% of Python functions from U.S. contributors, versus 24.3% in Germany, 23.2% in France, 21.6% in India, 15.4% in Russia and 11.7% in China. Newer GitHub users use AI more than veterans, while male and female developers adopt at similar rates. Within-developer fixed-effects models show that moving to 30% AI use raises quarterly commits by 2.4%. Coupling this effect with occupational task and wage data puts the annual value of AI-assisted coding in the United States at $9.6-$14.4 billion, rising to $64-$96 billion if we assume higher estimates of productivity effects reported by randomized control trials. Moreover, generative AI prompts learning and innovation, leading to increases in the number of new libraries and library combinations that programmers use. In short, AI usage is already widespread but highly uneven, and the intensity of use, not only access, drives measurable gains in output and exploration.
- Abstract（参考訳）: 生成的コーディングツールは生産性の大きな向上を約束するが、不均一な獲得はスキルと収入のギャップを広げる可能性がある。
私たちは、20万人の開発者による8000万のGitHubコミット(2018-2024)でAI生成のPython関数を見つけるために、ニューラル分類器をトレーニングします。
2024年12月までに、AIはアメリカの貢献者から推定30.1%のPython関数を書いたが、ドイツでは24.3%、フランスでは23.2%、インドでは21.6%、ロシアでは15.4%、中国では11.7%だった。
新しいGitHubユーザはベテランよりもAIを使っているが、男性と女性の開発者は同様の速度で採用している。
開発者内固定効果モデルでは、30%のAI利用への移行が四半期コミットを2.4%引き上げている。
この効果を職業的タスクと賃金データと組み合わせることで、米国でのAI支援コーディングの年間価値は9.6～144億ドルとなり、ランダム化制御試験によって報告された生産性効果のより高い見積もりを仮定すれば644～96億ドルに上昇する。
さらに、生成AIは学習とイノベーションを促進し、プログラマが使用する新しいライブラリとライブラリの組み合わせの数が増える。
要するに、AIの使用はすでに広く普及しているが、非常に不均一である。
関連論文リスト
- The Rise of AI Teammates in Software Engineering (SE) 3.0: How Autonomous Coding Agents Are Reshaping Software Engineering [10.252332355171237]
本稿では,このようなエージェントが野生でどのように動作するかを示す最初の大規模データセットであるAIDevを紹介する。
AIDevは5つの主要なエージェントによる45万6000件以上のプルリクエストに対処し、ソフトウェア開発において自律的なチームメイトを研究するための前例のない経験的な基盤を提供する。
データセットには、PR、著者、レビュータイムライン、コード変更、統合結果に関する豊富な情報が含まれている。
論文 参考訳（メタデータ） (2025-07-20T15:15:58Z) - Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity [0.5789840336223054]
広く採用されているにもかかわらず、ソフトウェア開発におけるAIツールの影響はいまだ検討されていない。
2025年2月から6月までのフロンティアにおけるAIツールが、経験豊富なオープンソース開発者の生産性にどのように影響するかを理解するために、ランダム化制御トライアル(RCT)を実施しています。
適度なAI経験を持つ16人の開発者が、平均5年間の経験を持つ成熟したプロジェクトで246のタスクを完了した。
論文 参考訳（メタデータ） (2025-07-12T00:16:33Z) - Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [66.1850490474361]
コーディングエージェントとの開発者インタラクションを探求する最初の学術的研究を行う。
私たちは、GitHub CopilotとOpenHandsの2つの主要なコピロとエージェントコーディングアシスタントを評価します。
この結果から、エージェントは、コピロトを超越した方法で開発者を支援する可能性を示唆している。
論文 参考訳（メタデータ） (2025-07-10T20:12:54Z) - Echoes of AI: Investigating the Downstream Effects of AI Assistants on Software Maintainability [5.677464428950146]
本研究では,AIアシスタントとの共同開発がソフトウェア保守性に与える影響について検討する。
フェーズ1でのAI支援開発は、その後の進化を緩やかなスピードアップに導いた。
習慣的AIユーザーの平均スピードアップは55.9%だった。
論文 参考訳（メタデータ） (2025-07-01T14:24:37Z) - How much does AI impact development speed? An enterprise-based randomized controlled trial [8.759453531975668]
複雑なエンタープライズレベルのタスクに開発者が費やす時間に対する3つのAI機能の影響を見積もる。
また、コード関連のアクティビティに1日あたり何時間も費やす開発者は、AIがより速くなるという興味深い効果も見出しました。
論文 参考訳（メタデータ） (2024-10-16T18:31:14Z) - 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) - Consent in Crisis: The Rapid Decline of the AI Data Commons [74.68176012363253]
汎用人工知能(AI)システムは、大量の公開Webデータに基づいて構築されている。
我々は,AIトレーニングコーパスに基づくWebドメインに対する同意プロトコルの大規模かつ長期的監査を行う。
論文 参考訳（メタデータ） (2024-07-20T16:50:18Z) - 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) - Thousands of AI Authors on the Future of AI [1.0717301750064765]
ほとんどの回答者は、AIの進歩の長期的な価値についてかなりの不確実性を示した。
半数以上が、AIに関連する6つのシナリオについて、"実質的"または"極端"の懸念が保証されていることを示唆している。
AIの進歩が人類の未来に良くなるかどうかについては意見の相違があった。
論文 参考訳（メタデータ） (2024-01-05T14:53:09Z) - Seeing is not always believing: Benchmarking Human and Model Perception
of AI-Generated Images [66.20578637253831]
人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。
本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
論文 参考訳（メタデータ） (2023-04-25T17:51:59Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳（メタデータ） (2023-02-14T18:43:34Z)
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。