論文の概要: Developer Interaction Patterns with Proactive AI: A Five-Day Field Study

• arxiv url: http://arxiv.org/abs/2601.10253v1
• Date: Thu, 15 Jan 2026 10:20:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.097618
• Title: Developer Interaction Patterns with Proactive AI: A Five-Day Field Study
• Title（参考訳）: プロアクティブAIによる開発者インタラクションパターン:5日間のフィールドスタディ
• Authors: Nadine Kuo, Agnia Sergeyuk, Valerie Chen, Maliheh Izadi,
• Abstract要約: 本稿では,プロの開発者を対象としたプロアクティブAI支援のフィールドスタディについて述べる。 我々は,5,732のインタラクションポイントにわたるAI介入を調査し,プロアクティブな提案の受け取り方について検討した。 以上の結果から,ヒトの受容能の系統的パターンが示唆された。
• 参考スコア（独自算出の注目度）: 7.26202905367366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current in-IDE AI coding tools typically rely on time-consuming manual prompting and context management, whereas proactive alternatives that anticipate developer needs without explicit invocation remain underexplored. Understanding when humans are receptive to such proactive AI assistance during their daily work remains an open question in human-AI interaction research. We address this gap through a field study of proactive AI assistance in professional developer workflows. We present a five-day in-the-wild study with 15 developers who interacted with a proactive feature of an AI assistant integrated into a production-grade IDE that offers code quality suggestions based on in-IDE developer activity. We examined 229 AI interventions across 5,732 interaction points to understand how proactive suggestions are received across workflow stages, how developers experience them, and their perceived impact. Our findings reveal systematic patterns in human receptivity to proactive suggestions: interventions at workflow boundaries (e.g., post-commit) achieved 52% engagement rates, while mid-task interventions (e.g., on declined edit) were dismissed 62% of the time. Notably, well-timed proactive suggestions required significantly less interpretation time than reactive suggestions (45.4s versus 101.4s, W = 109.00, r = 0.533, p = 0.0016), indicating enhanced cognitive alignment. This study provides actionable implications for designing proactive coding assistants, including how to time interventions, align them with developer context, and strike a balance between AI agency and user control in production IDEs.
• Abstract（参考訳）: 現在のIDE内AIコーディングツールは一般的に、時間を要する手作業のプロンプトとコンテキスト管理に依存している。 人間とAIの相互作用研究において、人間が日々の作業中にこのような積極的AI援助を受け入れることを理解することは、オープンな疑問である。 プロの開発者ワークフローにおけるプロアクティブなAIアシストのフィールドスタディを通じて、このギャップに対処する。 我々は、IDE開発者アクティビティに基づいたコード品質提案を提供するプロダクショングレードIDEに統合されたAIアシスタントのプロアクティブ機能と対話する15人の開発者を対象に、5日間にわたる調査を行った。 我々は5,732のインタラクションポイントにわたる229のAI介入を調査し、ワークフローステージ間でプロアクティブな提案がどのように受信され、開発者がそれらを体験し、その影響を認識した。 その結果,ヒトの受容性の体系的なパターンが示唆され,ワークフロー境界(例えば,ポストコミット)での介入は52%,中タスク介入(例えば,編集の減少)は62%であった。 特に、好適なプロアクティブな提案では、反応的な提案よりも解釈時間(45.4s vs 101.4s, W = 109.00, r = 0.533, p = 0.0016)が大幅に短縮された。 この研究は、プロアクティブなコーディングアシスタントを設計するための実用的な意味を提供する。例えば、介入の時間、開発者コンテキストとの整合性、そしてプロダクションIDEにおけるAIエージェンシーとユーザコントロールのバランスを打つ方法などである。

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)
• Assistance or Disruption? Exploring and Evaluating the Design and Trade-offs of Proactive AI Programming Support [36.082282294551405]
  我々は,エディタアクティビティとタスクコンテキストに基づいたプログラミング支援を開始するデザインプローブエージェントであるCodellaboratorを紹介し,評価する。 プロアクティブエージェントは、プロンプトのみのパラダイムに比べて効率が向上するが、ワークフローの混乱も引き起こす。
  論文  参考訳（メタデータ） (2025-02-25T21:37:25Z)
• Interactive Agents to Overcome Ambiguity in Software Engineering [61.40183840499932]
  AIエージェントは、あいまいで不明確なユーザー指示に基づいて、タスクを自動化するためにますますデプロイされている。 不安定な仮定をし、明確な質問をしないことは、最適以下の結果につながる可能性がある。 対話型コード生成設定において,LLMエージェントが不明瞭な命令を処理する能力について,プロプライエタリモデルとオープンウェイトモデルを評価して検討する。
  論文  参考訳（メタデータ） (2025-02-18T17:12:26Z)
• Towards Decoding Developer Cognition in the Age of AI Assistants [9.887133861477233]
  本稿では,生理的計測(EEGとアイトラッキング)とインタラクションデータを組み合わせて,AI支援プログラミングツールの開発者による使用状況を調べるための制御された観察的研究を提案する。 私たちは、認知負荷とタスク完了時間を計測しながら、AIアシストの有無に関わらず、プログラムタスクを完了させるために、プロの開発者を募集します。
  論文  参考訳（メタデータ） (2025-01-05T23:25:21Z)
• Proactive Agent: Shifting LLM Agents from Reactive Responses to Active Assistance [95.03771007780976]
  我々は、人間の指示なしにタスクを予測および開始できるプロアクティブエージェントを開発するという課題に取り組む。 まず,実世界の人的活動を収集し,前向きなタスク予測を生成する。 これらの予測は、ヒトのアノテータによって受け入れられるか拒否されるかのどちらかとしてラベル付けされる。 ラベル付きデータは、人間の判断をシミュレートする報酬モデルをトレーニングするために使用される。
  論文  参考訳（メタデータ） (2024-10-16T08:24:09Z)
• When to Ask for Help: Proactive Interventions in Autonomous Reinforcement Learning [57.53138994155612]
  強化学習の長期的な目標は、世界で自律的に対話し学習できるエージェントを設計することである。 重要な課題は、ロボットアームが物体をテーブルから押し出したときなど、外部からの援助を必要とする不可逆状態の存在である。 本研究では,非可逆状態の検出と回避を効率よく学習し,エージェントが侵入した場合に積極的に支援を求めるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T17:57:24Z)

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。