Xebias neueste GitHub Copilot Umfrage

Unsere neueste GitHub Copilot Umfrage

Wir bei Xebia bemühen uns, mit den neuesten Fortschritten bei KI-Tools auf dem Laufenden zu bleiben, um robuste und langlebige Lösungen für unsere Kunden zu entwickeln. Viele von uns setzen eine Reihe von Code-Assistenten ein, um die Ausgabe unserer Software zu beschleunigen und unsere Produkte zu optimieren.

Einer der beliebtesten Code-Assistenten, die wir verwenden, ist GitHub Copilot. Dieses Tool hat in den letzten zwei Jahren ein unglaubliches Wachstum erlebt. Je mehr Entwickler es nutzen, desto neugieriger sind wir auf seine Auswirkungen auf die Softwareentwicklung geworden. Aus diesem Grund haben wir eine Umfrage unter 56 Entwicklern in unserem Netzwerk durchgeführt, um die neuesten Erkenntnisse über das Tool zu sammeln. Lesen Sie weiter, um die Ergebnisse zu erfahren!

Copilot oder nicht Copilot

Die erste Frage, die wir den Entwicklern stellten, war, ob sie Copilot verwenden und wie oft. Eine überwältigende Mehrheit von ihnen (95 %) verwendet es zumindest manchmal. Etwa 42% von ihnen verwenden es ständig. Die Details der Verteilung sehen Sie in den nächsten beiden Diagrammen für Entwickler mit weniger als 10 Jahren Erfahrung (31% der Bevölkerung) oder mehr (69%).

All diese Entwickler arbeiten mit gängigen Programmiersprachen wie Python, .NET, JavaScript und C#. Sie kommen auch aus Unternehmen, in denen Cloud-Plattformen weit verbreitet sind. Die meisten von ihnen arbeiten täglich mit Azure, AWS und Google Cloud.

Nachdem wir festgestellt hatten, wie häufig Entwickler mit Copilot arbeiten, wollten wir wissen, für welche Art von Projekten sie es verwenden. Dies waren ihre Antworten:

Um diese Zahl im Detail zu verstehen, sollten Sie bedenken, dass die 0 %-Linie zwischen Personen, die Copilot nicht oder seit weniger als 3 Monaten für eine bestimmte Aufgabe nutzen, und Personen, die es länger als 3 Monate nutzen, unterscheidet. Wie Sie sehen können, verwenden mehr als 50% der Entwickler es bereits seit mehr als einem Vierteljahr für alle möglichen Projekte, und viele von ihnen seit mehr als einem Jahr.

Die Auswirkungen auf den Job

Einer der Hauptvorteile, den Code-Assistenten den Entwicklern bringen, ist die Zeitersparnis. Daher lautete unsere nächste Frage natürlich, wie viel Zeit sie bei verschiedenen Aufgaben sparen. Dies waren ihre Antworten.

Die größte Zeitersparnis ergab sich bei der grundlegenden Codegenerierung, der Code-Dokumentation, den Unit-Tests und dem Schreiben von Skripten. Das Refactoring von Code, die Hilfe beim Verstehen von bestehendem Code und vor allem die Generierung von Code für komplexe Probleme wurden durch den Einsatz von Copilot hingegen nicht so stark beeinflusst.

Dies bestätigt zwar den Gedanken, dass Code-Assistenten gut für die Automatisierung einfacher Aufgaben geeignet sind, aber nicht so sehr für die Erstellung von fortgeschrittenem Code, aber es steckt mehr dahinter. Wir müssen bei dieser Umfrage drei wichtige Faktoren berücksichtigen:

1. Subjektive Schätzung auf der Grundlage von Erfahrung: Programmierer verlassen sich auf ihre Erfahrung und ihr subjektives Urteilsvermögen, um die Zeitersparnis durch den Einsatz von Copilot zu schätzen. Viele Befragte verweisen auf ihren typischen Arbeitsablauf und vergleichen, wie lange sie für eine Aufgabe mit und ohne Copilot benötigen würden.
2. Unterschiedliche Auswirkungen je nach Aufgabe und Qualifikationsniveau: Die wahrgenommene Zeitersparnis hängt von der Art der Aufgabe und der Vertrautheit des Programmierers mit der Sprache oder dem Tool ab. Bei einfacheren Aufgaben wie der Generierung von Standardcode kann Copilot den Prozess erheblich beschleunigen. Bei komplexeren Aufgaben oder wenn der generierte Code in erheblichem Umfang überprüft oder angepasst werden muss, kann die Zeitersparnis jedoch geringer ausfallen.
3. Gleichgewicht zwischen Produktivität und Qualität: Während Copilot durch die Bereitstellung von Codevorschlägen und die Beschleunigung sich wiederholender Aufgaben zur Zeitersparnis beiträgt, betonen einige Entwickler die Notwendigkeit, den generierten Code zur Qualitätssicherung zu überprüfen. Wie die nächste Abbildung zeigt, sind sich sowohl erfahrene als auch relativ neue Entwickler einig, dass es "schwer zu sagen" ist, ob die Auswirkungen auf die Codequalität positiv oder negativ sind.

Der umfassende GitClear Bericht die mehr als 150 Millionen Codezeilen analysiert hat, deutet darauf hin, dass die Codequalität in mancher Hinsicht abnimmt. Es ist daher von entscheidender Bedeutung, die Codequalität weiterhin zu bewerten, wenn Entwickler Code-Assistenten in ihre Toolsets integrieren.

Die emotionale Wirkung

Die befragten Entwickler stimmten Aussagen wie "Durch die Verwendung von GitHub Copilot fühle ich mich glücklich über meine Arbeit" oder "Durch die Verwendung von GitHub Copilot gelange ich schneller in den 'Flow'-Zustand."

Die wichtigste Frage zur Arbeitszufriedenheit war, ob sie der folgenden Aussage zustimmen: "Die Nutzung von GitHub Copilot ermöglicht es mir, mich mehr auf befriedigende und sinnvolle Arbeit zu konzentrieren." Die Ergebnisse sind unten aufgeführt.

Es besteht in der Tat ein Konsens darüber, dass Copilot es Entwicklern ermöglicht, sich auf sinnvollere Aufgaben zu konzentrieren. Eine interessante Frage stellt sich jedoch, wenn wir dieses Diagramm mit den beiden vorherigen Grafiken vergleichen. Individuell scheinen die Entwickler sehr glücklich über die Auswirkungen von Copilot auf ihre Arbeit zu sein. Aber wird sich dies auf die Qualität des Codes auswirken? Das wird nur die Zeit zeigen.

Wenn Sie in der Zwischenzeit tiefer in die Rolle von Code-Assistenten und Large Language Models im Allgemeinen eintauchen möchten, vergessen Sie nicht, unsere Ebooks und Whitepapers herunterzuladen auf GitHub Copilot, Code-Assistenten in der Softwareentwicklung , in denen wir die Eigenschaften von Copilot und vielen anderen Tools eingehend erörtern, und Wie man LLMs Anwendungsfälle priorisiert.