論文の概要: AI-assisted Programming May Decrease the Productivity of Experienced Developers by Increasing Maintenance Burden

• arxiv url: http://arxiv.org/abs/2510.10165v1
• Date: Sat, 11 Oct 2025 10:58:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.820206
• Title: AI-assisted Programming May Decrease the Productivity of Experienced Developers by Increasing Maintenance Burden
• Title（参考訳）: AI支援プログラミングは、メンテナンスバーデンの増加によって経験豊富な開発者の生産性を低下させる
• Authors: Feiyang, Xu, Poonacha K. Medappa, Murat M. Tunc, Martijn Vroegindeweij, Jan C. Fransoo,
• Abstract要約: GitHub CopilotのようなジェネレーティブAIソリューションは、ソフトウェア開発者の生産性を高めることが示されている。 GitHub Copilotの導入に伴い、オープンソースソフトウェア(OSS)プロジェクトにおける開発者の活動を分析します。 生産性は確かに増加する。しかし、生産性の増加は、主に経験の少ない(周辺)開発者によって引き起こされる。
• 参考スコア（独自算出の注目度）: 3.5921049320829144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI solutions like GitHub Copilot have been shown to increase the productivity of software developers. Yet prior work remains unclear on the quality of code produced and the challenges of maintaining it in software projects. If quality declines as volume grows, experienced developers face increased workloads reviewing and reworking code from less-experienced contributors. We analyze developer activity in Open Source Software (OSS) projects following the introduction of GitHub Copilot. We find that productivity indeed increases. However, the increase in productivity is primarily driven by less-experienced (peripheral) developers. We also find that code written after the adoption of AI requires more rework. Importantly, the added rework burden falls on the more experienced (core) developers, who review 6.5% more code after Copilot's introduction, but show a 19% drop in their original code productivity. More broadly, this finding raises caution that productivity gains of AI may mask the growing burden of maintenance on a shrinking pool of experts.
• Abstract（参考訳）: GitHub CopilotのようなジェネレーティブAIソリューションは、ソフトウェア開発者の生産性を高めることが示されている。 しかし、コードの品質と、それをソフトウェアプロジェクトで維持する上での課題について、以前の作業はいまだに不明である。 ボリュームが大きくなるにつれて品質が低下すると、経験豊富な開発者は、経験の浅いコントリビュータからコードをレビューし、再作業するワークロードの増加に直面します。 GitHub Copilotの導入に伴い、オープンソースソフトウェア(OSS)プロジェクトにおける開発者の活動を分析します。 生産性は確かに向上します。 しかし、生産性の増加は、主に経験の少ない(周辺)開発者によって引き起こされる。 また、AIの採用後に書かれたコードには、より多くの再作業が必要であることもわかりました。 重要なことに、再作業の負担は、経験豊富な(コア)開発者によるもので、Copilotの導入後に6.5%以上のコードをレビューする一方で、元のコード生産性の19%の低下を示している。 より広範に、この発見はAIの生産性向上が専門家のプールの縮小に伴うメンテナンスの負担の増大を妨げる可能性があることを警告する。

関連論文リスト

• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• 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)
• The Impact of Generative AI on Collaborative Open-Source Software Development: Evidence from GitHub Copilot [4.8256226973915455]
  GitHubのプロプライエタリなCopilot使用データを使用して、Copilotの使用によってプロジェクトレベルのコードコントリビューションが5.9%増加したことが分かりました。 この増加は、個々のコードのコントリビューションが2.1%増加し、開発者のコーディング参加が3.4%増加したことによる。 AIは、誰が貢献できるか、どれだけ貢献できるかを拡大するが、集団開発における調整を遅らせる。
  論文  参考訳（メタデータ） (2024-10-02T23:26:10Z)
• Does Co-Development with AI Assistants Lead to More Maintainable Code? A Registered Report [6.7428644467224]
  本研究は,AIアシスタントがソフトウェア保守性に与える影響を検討することを目的とする。 フェーズ1では、開発者はAIアシスタントの助けなしに、Javaプロジェクトに新しい機能を追加する。 ランダム化されたコントロールされた試行のフェーズ2では、さまざまな開発者がランダムフェーズ1プロジェクトを進化させ、AIアシスタントなしで作業する。
  論文  参考訳（メタデータ） (2024-08-20T11:48:42Z)
• Transforming Software Development: Evaluating the Efficiency and Challenges of GitHub Copilot in Real-World Projects [0.0]
  GitHub CopilotはAIによるコーディングアシスタントだ。 本研究では、GitHub Copilotを使用する際の効率向上、改善の領域、新たな課題について評価する。
  論文  参考訳（メタデータ） (2024-06-25T19:51:21Z)
• 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。