論文の概要: To Copilot and Beyond: 22 AI Systems Developers Want Built
- arxiv url: http://arxiv.org/abs/2604.07830v1
- Date: Thu, 09 Apr 2026 05:31:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-10 18:34:05.719068
- Title: To Copilot and Beyond: 22 AI Systems Developers Want Built
- Title（参考訳）: CopilotとBeyond:22人のAIシステム開発者が望むもの
- Authors: Rudrajit Choudhuri, Christian Bird, Carmen Badea, Anita Sarma,
- Abstract要約: 860人のMicrosoft開発者を対象に調査を行い、AIサポートを希望する場所と、そこに留まることを希望する場所を調べた。
開発者が5つのタスクカテゴリにまたがって構築したい、22のAIシステムを特定します。
それぞれについて、それが解決する問題、構築が難しい理由、開発者がその振る舞いに課す制約について説明する。
- 参考スコア（独自算出の注目度）: 8.021702941771972
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developers spend roughly one-tenth of their workday writing code, yet most AI tooling targets that fraction. This paper asks what should be built for the rest. We surveyed 860 Microsoft developers to understand where they want AI support, and where they want it to stay out. Using a human-in-the-loop, multi-model council-based thematic analysis, we identify 22 AI systems that developers want built across five task categories. For each, we describe the problem it solves, what makes it hard to build, and the constraints developers place on its behavior. Our findings point to a growing right-shift burden in AI-assisted development: developers wanted systems that embed quality signals earlier in their workflow to keep pace with accelerating code generation, while enforcing explicit authority scoping, provenance, uncertainty signaling, and least-privilege access throughout. This tension reveals a pattern we call "bounded delegation": developers wanted AI to absorb the assembly work surrounding their craft, never the craft itself. That boundary tracks where they locate professional identity, suggesting that the value of AI tooling may lie as much in where and how precisely it stops as in what it does.
- Abstract（参考訳）: 開発者は仕事のほぼ10分の1をコードを書くのに費やしていますが、ほとんどのAIツールは、その割合を目標としています。
この論文は、残りのために何を作るべきかを尋ねる。
860人のMicrosoft開発者を対象に調査を行い、AIサポートを希望する場所と、そこに留まることを希望する場所を調べた。
ヒューマン・イン・ザ・ループ(Human-in-the-loop)、マルチモデル・カウンシルに基づくテーマ分析を用いて、開発者が5つのタスクカテゴリにまたがって構築したい22のAIシステムを特定します。
それぞれについて、それが解決する問題、構築が難しい理由、開発者がその振る舞いに課す制約について説明する。
開発者は、ワークフローの早い段階で品質シグナルを埋め込んで、コード生成を加速させながら、明示的なオーソリティのスコーピング、証明、不確実なシグナリング、最小限のプライベートアクセスを強制するシステムを欲しがっていたのです。
この緊張は、私たちが"有界デリゲート(bounded delegate)"と呼ぶパターンを明らかにします。
このバウンダリは、専門的なアイデンティティの場所を追跡し、AIツールの価値は、その場所と、それがどの程度正確に止まるかに大きく関係している可能性があることを示唆している。
関連論文リスト
- AI Where It Matters: Where, Why, and How Developers Want AI Support in Daily Work [3.1984206905916]
ジェネレーティブAIはソフトウェアワークを再構築していますが、開発者が最も必要とする場所とサポートの明確なガイダンスはありません。
我々は、N=860の開発者を対象に、AIの助けを求める場所、理由、方法、限界を調査する大規模で混合的な研究を報告します。
私たちの結果は、開発者とその作業にとって重要なAIを提供するための、具体的かつコンテキスト的なガイダンスを提供します。
論文 参考訳（メタデータ） (2025-10-01T10:51:03Z) - 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) - 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) - SciMaster: Towards General-Purpose Scientific AI Agents, Part I. X-Master as Foundation: Can We Lead on Humanity's Last Exam? [51.112225746095746]
本稿では,人間研究者をエミュレートするツール強化推論エージェントであるX-Masterを紹介する。
XマスターズはHumanity's Last Examに32.1%のスコアで最新記録を樹立した。
論文 参考訳（メタデータ） (2025-07-07T17:50:52Z) - What do professional software developers need to know to succeed in an age of Artificial Intelligence? [1.5774644021279332]
ジェネレーティブAIは、ソフトウェア開発者にとって生産性向上の初期の証拠を見せている。
我々は、AIの使用の最先端にいる21人の開発者による研究について述べ、彼らが発見した12の作業目標と75の関連するタスク、それぞれに関するスキルと知識をまとめています。
私たちは、成功するAI開発者になるためのスキルと知識が、4つのドメインにまとめられていることに気づきました。
論文 参考訳（メタデータ） (2025-05-30T20:14:03Z) - Explainability for Embedding AI: Aspirations and Actuality [1.8130068086063336]
説明可能なAI(XAI)は、開発者が構築するシステムをよりよく理解することを可能にする。
既存のXAIシステムは、まだこの願望には達していない。
私たちは、この複雑さに対処するための適切なサポートメカニズムを開発者に提供する必要があると考えています。
論文 参考訳（メタデータ） (2025-04-20T14:20:01Z) - From Teacher to Colleague: How Coding Experience Shapes Developer Perceptions of AI Tools [0.0]
AI支援の開発ツールは生産性の向上とコード品質の向上を約束するが、開発者による採用は相容れない。
我々は、3380人の開発者による調査データを分析し、コーディングエクスペリエンスがAIの認識、採用、開発者がワークフローでAIに割り当てる役割にどのように関係しているかを調べます。
論文 参考訳（メタデータ） (2025-04-08T08:58:06Z) - Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳（メタデータ） (2025-03-28T17:17:57Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-27T09:56:23Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z)
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。