L'adoption rapide d'outils assistés par IA comme GitHub Copilot a ravivé l'intérêt pour la productivité ingénierie. Cependant, une compréhension holistique de l'impact réel de ces outils sur la productivité ingénierie reste prise entre les affirmations marketing de gains substantiels et les études initiales axées sur les améliorations au niveau des tâches. Bien que le récit marketing soit remis en question par des preuves réelles émergentes, la communauté manque encore d'études approfondies, non anecdotiques, qui non seulement observent mais aussi expliquent la déconnexion. Dans cet article, nous visons à faire exactement cela. Nous introduisons et investiguons l'écart efficacité-débit, un phénomène où les gains d'efficacité individuels des développeurs échouent à se traduire en débit organisationnel mesurable. Notre étude de terrain dans le monde réel, ancrée dans le cadre de la Loi d'Ohm Organisationnelle (OOL), fournit une méthodologie pour documenter empiriquement cet écart et offrir une explication basée sur les données.

Motivation et principes de recherche. La motivation de ce travail est de comprendre l'impact de GitHub Copilot sur la productivité ingénierie pour informer l'intégration stratégique de l'IA générative dans le développement de produits existant. Plus précisément, nous visons à comprendre comment les ingénieurs utilisent GitHub Copilot et si son adoption génère des gains mesurables en productivité ingénierie. De plus, cette recherche cherche à identifier les exigences pour la mesure efficace de la productivité ingénierie dans les environnements d'entreprise. Pour faciliter les décisions commerciales pratiques, notre étude de terrain a été conçue pour réduire la perturbation des pratiques ingénierie établies et refléter des conditions authentiques du monde réel plutôt que des environnements de laboratoire artificiels. Notre conception expérimentale adhère à trois principes directeurs : premièrement, générer des informations commerciales actionnables tout en satisfaisant la curiosité académique ; deuxièmement, minimiser la charge sur les ingénieurs participants et éviter d'introduire des processus de recherche inutiles ; et troisièmement, mesurer les données et comportements pertinents aussi précisément que possible pour refléter les contextes opérationnels réels.

Loi d'Ohm Organisationnelle. La conception expérimentale et la méthodologie de l'étude sont informées par le cadre OOL, un concept que nous avons précédemment développé pour analyser la productivité ingénierie. Le cadre établit une analogie entre les circuits électriques et les systèmes organisationnels, indiquant que le courant de résultat, et donc la productivité organisationnelle, est proportionnel à l'efficacité de sortie de résultat et au potentiel organisationnel, et inversement proportionnel à la résistance organisationnelle. En approximant la résistance organisationnelle par des allocations de temps quantifiables, la loi montre que la productivité ingénierie est positivement corrélée au pourcentage de temps consacré aux activités centrales d'ingénierie logicielle (c'est-à-dire codage et test), à la motivation moyenne relative de l'ingénieur et aux niveaux de compétence moyenne relative de l'ingénieur. En tirant parti de ce cadre, nous avons mesuré l'allocation du temps des ingénieurs avant et après l'adoption de GitHub Copilot dans divers domaines, y compris le codage, les tests, la communication, l'attente des décisions et des dépendances, et la documentation.

Entités clés : Entreprises : GitHub