Collaborator or Assistnat? How AI Coding Agents Partition Work Across Pull Request Lifecycles
Dit artikel analyseert 29.585 pull request-levenscycli over vijf AI-codingtools om een "Collaborator-Assistant"-taxonomie te ontwikkelen die blootlegt hoe operationele agency steeds vaker wordt gedelegeerd aan agenten, terwijl merge-governance grotendeels menselijk blijft, en zo een kritieke ontkoppeling tussen uitvoering en toezicht in geautomatiseerde softwareontwikkeling benadrukt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je softwareontwikkeling voor als een drukke keuken waar een team van chefs (mensen) en een nieuwe generatie robotische sous-chefs (AI-agenten) samenwerken om gerechten (code-updates) te bereiden. Het artikel waar je naar vraagt, is een studie van hoe deze chefs en robots het werk eigenlijk verdelen wanneer ze een nieuw gerecht aan de hoofdkok voor goedkeuring voorleggen.
De onderzoekers keken naar bijna 30.000 "bestellingen" (zogenaamde Pull Requests of PR's) van vijf verschillende AI-tools om te zien wie het koken start, wie de proeverij doet en wie uiteindelijk het "oké" geeft om het gerecht te serveren.
Hier is de opsplitsing van hun bevindingen in eenvoudige bewoordingen:
1. De Twee Soorten Robotische Chefs
De studie vond dat de AI-tools in twee onderscheiden categorieën vallen, zoals twee verschillende soorten keukenassistenten:
De "Collaborator"-robots (Cursor, Devin, Copilot):
Deze zijn als autonome sous-chefs. Je geeft hen een vaag idee (zoals "maak een pittige pasta"), en ze gaan de keuken in, hakken het groente, koken de saus, garneren het gerecht en brengen het naar de toog zodat jij het kunt proeven. Ze doen bijna al het zware werk. Ze wachten echter nog steeds op een mens om het gerecht te bekijken, te proeven en het definitieve "ja" te geven voordat het geserveerd wordt.- De statistiek: In deze workflows start de robot het werk 96% van de tijd.
De "Assistant"-robots (OpenAI, Claude):
Deze zijn meer als slimme receptengenerators. Jij (de mens) bent nog steeds de hoofdkok. Jij vertelt de robot precies wat hij moet doen, of jij start het koken zelf, en de robot helpt je alleen een ui te hakken of suggereert een kruid. De mens stuurt de auto; de robot is gewoon de GPS.- De statistiek: In deze workflows start de mens het werk 95%+ van de tijd.
2. De Grote Verrassing: Wie Houdt De Sleutels?
De meest interessante bevinding gaat over wie de "Serveer"-knop mag indrukken (de code samenvoegen).
Hoewel de "Collaborator"-robots bijna al het koken doen en het gerecht naar de toog brengen, houden mensen 99,9% van de tijd nog steeds de sleutels van het restaurant.
- De robots mogen het eten koken en garneren.
- De robots mogen zelden beslissen of het eten goed genoeg is om te serveren.
- Zelfs wanneer een robot wel de knop indrukt om het gerecht te serveren, vond de studie dat meestal een mens het al eerder had geproefd en "goedgekeurd" had. De robot drukte alleen op de knop om het papierwerk af te ronden.
De Metafoor: Denk aan de AI als een Junior Stagiair. De stagiair is geweldig in het opstellen van het rapport, het verbeteren van typefouten en het afdrukken van het document. Maar de Manager (de mens) is de enige die de definitieve goedkeuring tekent. De stagiair doet het werk; de manager neemt de eer (en de schuld) als er iets misgaat.
3. Het "Stille Samenvoegen"-Mysterie
De onderzoekers vonden een klein aantal gevallen (minder dan 1%) waarbij een robot zijn eigen werk leek te goedkeuren zonder dat een mens het eerst had geproefd.
Echter, wijst de studie op een blinde vlek in hun data. De computerlogs tonen wie op de knop drukte, maar niet wie de beslissing nam.
- Scenario A: Een mens proefde het eten, zei "Groot", en stelde vervolgens een regel in zodat de robot het later automatisch kon serveren. (De robot drukte op de knop, maar de mens nam de beslissing).
- Scenario B: De robot besloot het eten daadwerkelijk zelf te serveren.
De studie zegt dat ze het verschil tussen deze twee scenario's niet kunnen zien door alleen naar de logs te kijken. Het is alsof je een deur open ziet gaan en weet dat een robot hem duwde, maar niet weet of een mens de robot vijf minuten eerder gezegd had om hem te duwen.
4. Wat Dit Betekent Voor De Keuken
De studie concludeert dat we momenteel in een "Junior Stagiair"-fase van AI zitten.
- Collaborator-tools zijn geweldig in het initiatief nemen en het werk te doen, maar ze hebben nog steeds een mens nodig om alles te controleren.
- Assistant-tools zijn geweldig in het helpen van mensen die al aan het werk zijn, maar ze nemen niet het voortouw.
De onderzoekers waarschuwen dat, terwijl de robots sneller worden in het koken, de "sleutels van het restaurant" (de bevoegdheid om code samen te voegen) nog steeds stevig in menselijke handen zijn. De logs tonen ons wie het werk deed, maar ze tonen ons niet altijd wie echt de leiding had over de uiteindelijke beslissing.
Kortom: AI doet het zware werk, maar mensen zijn nog steeds degenen die het notitieblok vasthouden en de cheques tekenen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.