論文の概要: Impacts of Generative AI on Agile Teams' Productivity: A Multi-Case Longitudinal Study
- arxiv url: http://arxiv.org/abs/2602.13766v1
- Date: Sat, 14 Feb 2026 13:26:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:28.409397
- Title: Impacts of Generative AI on Agile Teams' Productivity: A Multi-Case Longitudinal Study
- Title（参考訳）: 生成AIがアジャイルチームの生産性に与える影響:多段階の縦断的研究
- Authors: Rafael Tomaz, Paloma Guenes, Allysson Allex Araújo, Maria Teresa Baldassarre, Marcos Kalinowski,
- Abstract要約: 生成人工知能(GenAI)ツールは、ソフトウェア工学におけるパラダイムシフトを表している。
この研究は、GenAIがアジャイルチームに与える影響の経年的評価を提供することを目的としている。
- 参考スコア（独自算出の注目度）: 5.9568322124195845
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context: Generative Artificial Intelligence (GenAI) tools, such as GitHub Copilot and GPT tools, represent a paradigm shift in software engineering. While their impact is clear, most studies are short-term, focused on individual experiments. The sustained, team-level effects on productivity within industrial agile environments remain largely uncharacterized. Goal: This study aims to provide a longitudinal evaluation of GenAI's impact on agile software teams. We characterize its effect on developers' productivity by applying the multi-dimensional SPACE framework. Method: We conducted a multi-case longitudinal study involving 3 agile teams at a large technology consulting firm for around 13 months. We collected and compared quantitative telemetry (Jira, SonarQube, Git) and qualitative survey data from historical (pre-adoption) and research (post-adoption) sprints. Conclusion: GenAI tools can significantly improve team performance and well-being. Our key finding is a sharp increase in Performance and perceived Efficiency concurrent with flat developer Activity. This suggests GenAI increases the value density of development work, not its volume. This finding validates the necessity of multi-dimensional frameworks like SPACE to capture the true, nuanced impact of GenAI in situ, which would be invisible to studies measuring Activity alone.
- Abstract（参考訳）: コンテキスト: GitHub CopilotやGPTツールなどのGenerative Artificial Intelligence(GenAI)ツールは、ソフトウェアエンジニアリングのパラダイムシフトを表している。
影響は明らかだが、ほとんどの研究は短期的であり、個々の実験に焦点を当てている。
工業的アジャイル環境における生産性に対する持続的、チームレベルの影響は、ほとんど役に立たないままです。
Goal: 今回の研究は,GenAIがアジャイルチームに与える影響を,長期にわたって評価することを目的としています。
多次元SPACEフレームワークを適用し,開発者の生産性に与える影響を特徴付ける。
方法: 大手技術コンサルティング会社で約13ヶ月にわたり、3つのアジャイルチームを巻き込んだ多ケース縦断調査を実施しました。
我々は、定量テレメトリ(Jira、SonarQube、Git)と、過去の(事前調整)と調査(ポスト調整)スプリントからの質的な調査データを収集、比較した。
結論: GenAIツールは、チームのパフォーマンスと幸福を著しく改善できます。
私たちの重要な発見は、パフォーマンスの急激な向上と、フラットな開発者アクティビティとの同時実行の認識です。
これはGenAIがボリュームではなく開発作業の価値密度を高めることを示唆している。
この発見は、SPACEのような多次元フレームワークが、活動測定だけでは見えないようなGenAIの真の、曖昧な影響を捉える必要があることを証明している。
関連論文リスト
- AIRS-Bench: a Suite of Tasks for Frontier AI Research Science Agents [49.67355440164857]
AIRS-Benchは、最先端の機械学習論文から得られた20のタスクからなるスイートである。
Airs-Benchタスクは、研究ライフサイクル全体のエージェント能力を評価する。
本稿では,AIRS-Benchタスク定義と評価コードをオープンソースとして公開し,自律科学研究のさらなる発展を促す。
論文 参考訳（メタデータ） (2026-02-06T16:45:02Z) - Adoption of Generative Artificial Intelligence in the German Software Engineering Industry: An Empirical Study [9.442926409509038]
生成人工知能(GenAI)ツールは、ソフトウェア開発者の間で急速に普及している。
業界における採用率が上昇している一方で、これらのツールの有効利用に影響を与える根本的な要因は、十分に調査されていない。
この問題は、ドイツのような厳しい規制要件のある環境において特に関係している。
ドイツの文脈におけるGenAIツールの採用動態を体系的に検討した経験的研究はない。
論文 参考訳（メタデータ） (2026-01-23T12:42:33Z) - Developer Productivity with GenAI [17.44738403505224]
我々は415人のソフトウェア実践者がAI支援開発に伴う生産性の変化に対する認識を把握できるように調査した。
結果として、生産性の変化が制限され、生産性のパラドックスが強調され、開発者がより速くなっていくが、必ずしもより良いソフトウェアを作成したり、より満足できると感じたりはしない。
論文 参考訳（メタデータ） (2025-10-28T10:23:57Z) - The SPACE of AI: Real-World Lessons on AI's Impact on Developers [0.807084206814932]
我々は,SPACEフレームワークの次元にまたがるAIの影響,すなわち満足度,パフォーマンス,アクティビティ,コラボレーション,効率を,開発者がどのように認識するかを研究する。
AIは広く採用されており、生産性の向上、特にルーチンタスクに広く見なされている。
開発者の報告によると、効率性と満足度は向上し、コラボレーションへの影響の証拠は少なくなった。
論文 参考訳（メタデータ） (2025-07-31T21:45:54Z) - From Recall to Reasoning: Automated Question Generation for Deeper Math Learning through Large Language Models [44.99833362998488]
先進数学のためのコンテンツ生成を最適化する第1ステップについて検討した。
我々は、GenAIがコース内容に関連する高品質な実践問題を生み出す能力について検討した。
論文 参考訳（メタデータ） (2025-05-17T08:30:10Z) - Evaluating the AI-Lab Intervention: Impact on Student Perception and Use of Generative AI in Early Undergraduate Computer Science Courses [0.0]
Generative AI(GenAI)はコンピュータサイエンス教育に急速に参入しつつある。
形式コースにおける道具使用の指針となる構造的足場の研究のギャップを伴う過信共存に関する懸念。
本研究は,「AI-Lab」の介入が大学生に与える影響について考察する。
論文 参考訳（メタデータ） (2025-04-30T18:12:42Z) - LLMs Integration in Software Engineering Team Projects: Roles, Impact, and a Pedagogical Design Space for AI Tools in Computing Education [7.058964784190549]
この作業では、ChatGPTやGitHub Copilotなど、生成AI(GenAI)モデルとツールの影響を、教育的なレンズで調査する。
我々の結果は、チームワーク、チーム効率、チームダイナミクスにおけるGenAIの役割と意味を理解する上での特別なギャップに対処します。
論文 参考訳（メタデータ） (2024-10-30T14:43:33Z) - 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) - Generative Active Learning for Long-tailed Instance Segmentation [55.66158205855948]
キャッシュ勾配に基づいて生成したデータの寄与を推定する新しいアルゴリズムであるBSGALを提案する。
実験により,BSGALはベースラインアプローチより優れ,長い尾のセグメンテーションの性能が効果的に向上することが示された。
論文 参考訳（メタデータ） (2024-06-04T15:57:43Z) - LLM-based Interaction for Content Generation: A Case Study on the
Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。
以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。
分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文 参考訳（メタデータ） (2023-04-18T15:35:43Z)
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。