Carnegie Mellon ve Stanford araştırmacıları, CTO'su mühendislik üretkenliğini bir yılda iki katına çıkarma hedefi koyan orta ölçekli bir B2B yazılım şirketinde Ocak 2024–Nisan 2026 arasında 802 geliştiricinin 196.212 pull request'ini inceledi. Geliştirici başına kod gönderimi hedeflenen 2 katın üzerinde, 2,09 kat arttı; bu artış araçlar tanıtıldığı an değil, ekibin deneyim kazandıkça kademeli gerçekleşti ve yönetici kadrolarındaki geliştiricilerde en belirgin oldu.
AI ile kod yazma hızı artınca insan kod incelemesi darboğazı oluştu, Carnegie Mellon ve Stanford araştırması
CTO'nun '12 ayda üretkenliği 2 katına çıkar' hedefi koyduğu bir B2B yazılım şirketinde 802 geliştirici 16 ay boyunca izlendi; kod gönderimi 2,09 kat arttı ancak insan inceleme kapasitesi yetmediği için otomatik onay oranı %80'in üzerine çıktı.
01
yapay zekâkod incelemesiüretkenlikyazılım geliştirmearaştırmaCarnegie MellonStanford