Early Adoption of Agentic Coding Tools by GitHub Projects
यह अध्ययन 2,300 GitHub रिपॉजिटरीज़ में एजेंट-जनरेटेड 25,000 से अधिक पुल रिक्वेस्ट्स का विश्लेषण करता है ताकि यह प्रकट किया जा सके कि जहाँ एजेंटिक कोडिंग टूल्स का गहन उपयोग परियोजनाओं के एक छोटे उपसमुच्चय (subset) में केंद्रित बना हुआ है, वहीं सफल एकीकरण काफी हद तक एकल-मानव निरीक्षण मॉडलों पर निर्भर करता है और परियोजना के आकार एवं उत्पादकता के आधार पर महत्वपूर्ण रूप से भिन्न होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सॉफ्टवेयर विकास की दुनिया की कल्पना एक विशाल, हलचल भरे निर्माण स्थल के रूप में करें जहाँ लाखों लोग डिजिटल गगनचुंबी इमारतों का निर्माण कर रहे हैं, एक समय में कोड की एक पंक्ति लिख रहे हैं। वर्षों से, इस स्थल पर काम करने वाले कर्मचारी "स्मार्ट सहायकों" का उपयोग कर रहे हैं—ऐसे उपकरण जो अगली ईंट का सुझाव देते हैं या एक ढीली दीवार को ठीक करने में मदद करते हैं। लेकिन हाल ही में, एक नए प्रकार का कार्यकर्ता आया है: "एजेंटिक" (agentic) टूल। इन उपकरणों को केवल सुझाव देने वाले सहायकों के रूप में न देखें, बल्कि अर्ध-स्वायत्त इंटर्न (semi-autonomous interns) के रूप में देखें। ये डिजिटल इंटर्न एक ब्लूप्रिंट देख सकते हैं, एक पूरा नया कमरा बना सकते हैं, यह परीक्षण कर सकते हैं कि लाइटें काम कर रही हैं या नहीं, और यहाँ तक कि प्रोजेक्ट मैनेजर के दरवाजे पर दस्तक देकर पूछ भी सकते हैं, "क्या हम इसे इसमें डाल सकते हैं?" यह बदलाव रोमांचक है क्योंकि यह हमारे सॉफ्टवेयर बनाने की गति को तेज करने का वादा करता है, लेकिन यह एक बड़ा सवाल भी खड़ा करता है: वास्तविक मानव टीमें इन नए डिजिटल इंटर्न के साथ वास्तव में कैसे काम करती हैं? क्या वे उन्हें पूरी इमारत की चाबियाँ सौंप देते हैं, या वे उन्हें एक सख्त लगाम में रखते हैं? यह कहानी है कि कैसे ओपन-सोर्स प्रोजेक्ट्स इस नए मानव-एजेंट साझेदारी के नियम तय करने की कोशिश कर रहे हैं।
शोध पत्र "अर्ली अडॉप्शन ऑफ एजेंटिक कोडिंग टूल्स बाय गिटहब प्रोजेक्ट्स" (Early Adoption of Agentic Coding Tools by GitHub Projects) एक जासूसी कहानी की तरह कार्य करता है, जो यह जांच करता है कि हजारों सॉफ्टवेयर प्रोजेक्ट्स इन नए डिजिटल इंटर्न को कैसे संभाल रहे हैं। शोधकर्ताओं ने डेटा के एक विशाल ढेर का अध्ययन किया: 2,361 अलग-अलग प्रोजेक्ट्स से 25,264 "पुल रिक्वेस्ट" (जो मूल रूप से नया कोड जोड़ने के औपचारिक अनुरोध हैं)। उन्होंने एक विशिष्ट तीन महीने की अवधि (मई, जून और जुलाई 2025) पर ध्यान केंद्रित किया और तीन लोकप्रिय AI कोडिंग एजेंटों को ट्रैक किया: कोपायलट (Copilot), कोडेक्स (Codex), और क्लॉड कोड (Claude Code)। उनका लक्ष्य तीन मुख्य प्रश्नों का उत्तर देना था: कितने प्रोजेक्ट वास्तव में इन उपकरणों का उपयोग कर रहे हैं? इन उपकरणों का उपयोग करते समय ये प्रोजेक्ट कितने उत्पादक हैं? और सबसे महत्वपूर्ण बात यह है कि मनुष्य और एजेंट मिलकर कैसे काम कर रहे हैं?
यहाँ जांच से जो खुलासा हुआ है, वह आपकी अपेक्षा से थोड़ा अधिक सूक्ष्म है।
सबसे पहले, शोधकर्ताओं ने पाया कि हालांकि इन उपकरणों का उपयोग हजारों जगहों पर किया जा रहा है, लेकिन "भारी काम" (heavy lifting) निर्माण स्थल के एक बहुत छोटे कोने में हो रहा है। यदि आप एक यादृच्छिक (random) प्रोजेक्ट चुनते हैं, तो उन तीन महीनों के दौरान मध्य बिंदु (median) केवल एक या दो एजेंट-निर्मित अनुरोध उत्पन्न करता है। यह ऐसा है जैसे यह पता लगाना कि जबकि एक नए प्रकार का पावर टूल मौजूद है, अधिकांश निर्माण दल इसका उपयोग महीने में केवल एक या दो बार ही करते हैं। अध्ययन बताता है कि "गहन अनुकूलन" (intensive adoption) अभी भी अपेक्षाकृत छोटे उपसमूहों में केंद्रित है। हालाँकि, इसमें एक मोड़ है: टीम का आकार बहुत मायने रखता है। छोटे प्रोजेक्ट्स (1 से 5 योगदानकर्ताओं वाले) इसमें कूदने के लिए बहुत अधिक उत्सुक थे। उनके पास टीम के सदस्यों का उच्च प्रतिशत था जो इन उपकरणों का उपयोग कर रहे थे, और औसतन, उन्होंने बड़े कॉर्पोरेट-आकार के प्रोजेक्ट्स की तुलना में बहुत अधिक एजेंट गतिविधि उत्पन्न की। वास्तव में, छोटे प्रोजेक्ट्स ने प्रति रिपॉजिटरी औसतन लगभग 50 एजेंट अनुरोध उत्पन्न किए, जबकि मध्यम और बड़े प्रोजेक्ट्स ने केवल 5 से 7 का औसत दिखाया। ऐसा लगता है कि छोटे दल डिजिटल इंटर्न को बेतहाशा दौड़ने देने के लिए अधिक इच्छुक हैं, जबकि बड़ी टीमें अभी भी बहुत सतर्क हैं।
दूसरा, टीम ने उत्पादकता को देखा, यह पूछते हुए: "प्रति व्यक्ति वास्तव में कितना कोड बनाया जा रहा है?" उन्होंने अपने निष्कर्षों की तुलना एक उद्योग बेंचमार्क से की जो सुझाव देता है कि एक मानव डेवलपर तीन महीने में लगभग 36 अनुरोध संभाल सकता है। परिणामों ने दिखाया कि अधिकांश प्रोजेक्ट इस रेखा से नीचे थे। केवल एक छोटा सा हिस्सा—2,361 में से केवल 25 प्रोजेक्ट्स (लगभग 1%)—उस 36-अनुरोध के निशान को पार करने में सफल रहे। यह सुझाव देता है कि हालांकि ये उपकरण सक्षम हैं, लेकिन अधिकांश टीमें अभी तक एजेंट कार्य का भारी मात्रा में उत्पादन नहीं कर रही हैं। वे कुछ प्रोजेक्ट्स जिन्होंने ऊपर की रेखा को पार किया, वे ज्यादातर छोटे प्रोजेक्ट्स थे, जो संकेत देते हैं कि इन उपकरणों के साथ उच्च उत्पादकता उन विशिष्ट प्रोजेक्ट स्थितियों पर निर्भर हो सकती है जिन्हें हम अभी पूरी तरह से नहीं समझते हैं।
अंत में, अध्ययन ने मनुष्यों और एजेंटों के बीच के "नृत्य" को देखा। वास्तव में प्रभारी कौन है? उत्तर भारी रूप से एक ही व्यक्ति है। लगभग 79% मामलों में, एक अकेला मानव डेवलपर ही एजेंट के काम की समीक्षा कर रहा था और वही इसे प्रोजेक्ट में मर्ज (merge) भी कर रहा था। यह एक "सोलो ओवरसाइट" (solo oversight) मॉडल है। कल्पना कीजिए कि एक शिक्षक छात्र के होमवर्क को ग्रेड कर रहा है और फिर बिना किसी सहकर्मी की दूसरी राय लिए तुरंत उसे ग्रेडबुक में डाल देता है। जबकि बड़े प्रोजेक्ट्स ने थोड़ा अधिक टीम वर्क दिखाया (कई लोगों द्वारा समीक्षा के साथ), अधिकांश समय, मानव-एजेंट सहयोग एक वन-ऑन-वन संबंध है। शोध पत्र सुझाव देता है कि इन शक्तिशाली नए एजेंटों के बावजूद, समीक्षा और अनुमोदन की भूमिका केंद्रीय बनी हुई है और इसे टीम-आधारित सुरक्षा जाल द्वारा प्रतिस्थापित नहीं किया गया है।
संक्षेप में, यह शोध पत्र एक प्रारंभिक प्रयोग की तस्वीर पेश करता है। डिजिटल इंटर्न यहाँ हैं, और वे कुछ छोटे, चुस्त टीमों में कड़ी मेहनत कर रहे हैं, लेकिन अधिकांश प्रोजेक्ट्स के लिए, वे अभी केवल अपने कदम पसार रहे हैं। अध्ययन का सुझाव है कि इन उपकरणों को वास्तव में सॉफ्टवेयर विकास को बदलने के लिए, यह केवल एजेंटों को स्मार्ट बनाने के बारे में नहीं है; यह इस बारे में है कि मानव टीमें उन कार्यों को प्रबंधित करने, समीक्षा करने और उन पर भरोसा करने के लिए खुद को कैसे व्यवस्थित करती हैं जो ये एजेंट उत्पन्न करते हैं। इस साझेदारी का भविष्य एजेंटों को स्वतंत्र रूप से काम करने देने और मानव हाथ को स्टीयरिंग व्हील पर मजबूती से रखने के बीच सही संतुलन खोजने पर निर्भर करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।