論文の概要: DeputyDev -- AI Powered Developer Assistant: Breaking the Code Review Logjam through Contextual AI to Boost Developer Productivity

• arxiv url: http://arxiv.org/abs/2508.09676v1
• Date: Wed, 13 Aug 2025 10:09:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.851284
• Title: DeputyDev -- AI Powered Developer Assistant: Breaking the Code Review Logjam through Contextual AI to Boost Developer Productivity
• Title（参考訳）: ViceDev -- AIパワーの開発者アシスタント: コードレビューのログジャムをコンテキストAIを通じて破り、開発者の生産性を高める
• Authors: Vishal Khare, Vijay Saini, Deepak Sharma, Anand Kumar, Ankit Rana, Anshul Yadav,
• Abstract要約: 本研究は,AddicateDevの実装と有効性について検討する。 ViceDevはAIを利用したコードレビューアシスタントで、ソフトウェア開発プロセスの非効率性に対処するために開発された。
• 参考スコア（独自算出の注目度）: 38.585498338645856
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigates the implementation and efficacy of DeputyDev, an AI-powered code review assistant developed to address inefficiencies in the software development process. The process of code review is highly inefficient for several reasons, such as it being a time-consuming process, inconsistent feedback, and review quality not being at par most of the time. Using our telemetry data, we observed that at TATA 1mg, pull request (PR) processing exhibits significant inefficiencies, with average pick-up and review times of 73 and 82 hours, respectively, resulting in a 6.2 day closure cycle. The review cycle was marked by prolonged iterative communication between the reviewing and submitting parties. Research from the University of California, Irvine indicates that interruptions can lead to an average of 23 minutes of lost focus, critically affecting code quality and timely delivery. To address these challenges, we developed DeputyDev's PR review capabilities by providing automated, contextual code reviews. We conducted a rigorous double-controlled A/B experiment involving over 200 engineers to evaluate DeputyDev's impact on review times. The results demonstrated a statistically significant reduction in both average per PR (23.09%) and average per-line-of-code (40.13%) review durations. After implementing safeguards to exclude outliers, DeputyDev has been effectively rolled out across the entire organisation. Additionally, it has been made available to external companies as a Software-as-a-Service (SaaS) solution, currently supporting the daily work of numerous engineering professionals. This study explores the implementation and effectiveness of AI-assisted code reviews in improving development workflow timelines and code.
• Abstract（参考訳）: 本研究では,ソフトウェア開発プロセスにおける非効率性に対処するために開発されたAIを利用したコードレビューアシスタントであるAxisDevの実装と有効性について検討する。 コードレビューのプロセスは、時間を要するプロセスであること、一貫性のないフィードバックであること、レビュー品質がほとんどの場合同じではないことなど、いくつかの理由から非常に非効率である。 テレメトリデータを用いて,TATA 1mgではプルリクエスト(PR)処理が有意に非効率であり,平均ピックアップ時間とレビュー時間は73時間,レビュー時間は82時間であった。 レビューサイクルは、レビューと提出の当事者間の反復的なコミュニケーションが長引いたことを特徴としている。 カリフォルニア大学アーバイン校の研究によると、割り込みによって平均23分間のフォーカスが失われ、コードの品質とタイムリーなデリバリに重大な影響を及ぼす可能性がある。 これらの課題に対処するため、私たちは、自動化されたコンテキストコードレビューを提供することで、AddicateDevのPRレビュー機能を開発しました。 我々は200人以上のエンジニアによる厳格な二重制御型A/B実験を行い、レビュー時間への影響を評価した。 その結果,PR毎の平均(23.09%)とコード毎の平均(40.13%)は統計的に有意な減少を示した。 オフショアを除外するためのセーフガードを実装した後、AssistantDevは組織全体で効果的にロールアウトされた。 さらに、SaaS(Software-as-a-Service)ソリューションとして外部企業に提供されており、現在は多くのエンジニアリング専門家の日々の仕事をサポートしている。 本研究では、開発ワークフローのタイムラインとコードを改善するためのAI支援コードレビューの実装と有効性について検討する。

関連論文リスト

• 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)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• Automated Code Review In Practice [1.6271516689052665]
  Qodo、GitHub Copilot、CoderabbitなどのAI支援ツールが、大規模な言語モデル(LLM)を使用して自動レビューを提供する。 本研究では,LLMに基づく自動コードレビューツールが産業環境に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-12-24T16:24:45Z)
• 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)
• Predicting Expert Evaluations in Software Code Reviews [8.012861163935904]
  本稿では,その複雑さや主観性から回避されるコードレビューの側面を自動化するアルゴリズムモデルを提案する。 手作業によるレビューを置き換える代わりに、私たちのモデルは、レビュアーがより影響力のあるタスクに集中するのに役立つ洞察を追加します。
  論文  参考訳（メタデータ） (2024-09-23T16:01:52Z)
• How far are AI-powered programming assistants from meeting developers' needs? [17.77734978425295]
  GitHub CopilotのようなIDE内AIコーディングアシスタントツール(ACAT)は、開発者のコーディング習慣に大きな影響を与えている。 我々は,実開発シナリオをシミュレートし,27人のコンピュータサイエンス学生を募集し,その振る舞いを3つのACATを用いて調査する。 ACATは一般的にタスク完了率を高め、時間を短縮し、コード品質を改善し、自己認識の生産性を高めます。
  論文  参考訳（メタデータ） (2024-04-18T08:51:14Z)

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。