← Nieuwste papers
💻 computer science

Adoption and Impact of Command-Line AI Coding Agents: A Study of Microsoft's Early 2026 Rollout of Claude Code and GitHub Copilot CLI

Deze studie naar de vroege uitrol van Microsofts command-line AI-codeeragenten in 2026 onthult dat adoptie wordt gedreven door sociale netwerken, retentie correleert met programmeeractiviteit in plaats van demografie, en gebruikers een toename van 24% in samengevoegde pull requests realiseren, wat aantoont dat deze tools duurzame productiviteitswinsten bieden die verder gaan dan het nieuwigheidseffect.

Oorspronkelijke auteurs: Emerson Murphy-Hill, Jenna Butler, Alexandra Savelieva

Gepubliceerd 2026-07-03
📖 5 min leestijd🧠 Diepgaand

Oorspronkelijke auteurs: Emerson Murphy-Hill, Jenna Butler, Alexandra Savelieva

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 een enorm softwarebedrijf voor (Microsoft) dat besluit om zijn duizenden engineers een nieuwe, superintelligente assistent te geven. Dit is niet zomaar een spellingscontrole; het is een "command-line agent" die zelfstandig code kan typen, bugs kan oplossen en functies kan bouwen als je haar vertelt wat ze moet doen. Zie het als het geven van een persoonlijke robot-Butler aan elke engineer, die in hun computerterminal leeft.

Begin 2026 introduceerde Microsoft twee versies van deze robots: Copilot CLI (gemaakt door GitHub, dat Microsoft bezit) en Claude Code (gemaakt door Anthropic).

Het bedrijf had drie grote zorgen:

  1. Wie zal de robots daadwerkelijk proberen?
  2. Wie zal ze blijven gebruiken, of zullen ze er slechts een dag mee spelen en dan stoppen?
  3. Is de robot het geld waard? (Deze robots zijn duur in gebruik en kosten miljoenen dollars aan "tokens" per jaar).

Dit is wat de onderzoekers ontdekten, eenvoudig uitgelegd:

1. Het "Waterkoeler"-effect (Adoptie)

De belangrijkste factor in de vraag of een engineer de robot probeerde, was niet hun functietitel, hoe lang ze al bij het bedrijf werkten of hun leeftijd. Het was wie ze kenden.

  • De Analogie: Stel je voor dat er een nieuwe dansrage begint op een feestje. Je bent het meest geneigd om de dans te proberen als je je vrienden het zien doen, vooral als je baas of de mensen met wie je het nauwst samenwerkt het ook doen.
  • De Bevinding: Als een engineer zag dat hun directe collega's (de mensen met wie ze code reviewden) of hun skip-level managers (de baas van hun baas) de tool gebruikten, waren ze veel eerder geneigd de tool te proberen. Sterker nog, als meer dan 25% van een specifieke groep collega's de tool gebruikte, steeg de kans dat een engineer de tool zou proberen met meer dan 200%.
  • De Verrassende Wending: Engineers die al intensief gebruik maakten van de oude AI-tools (binnen hun code-editor) waren juist minder geneigd om over te stappen op de nieuwe command-line robot. Het is alsof iemand die dol is op zijn huidige auto wel een nieuw model wil proberen, maar als hij te veel van zijn oude auto houdt, zal hij niet permanent overstappen.

2. Het "Drukbezette Bij"-effect (Retentie)

Wie bleef de tool gebruiken nadat ze deze geprobeerd hadden?

  • De Analogie: Denk aan de tool als een nieuwe, hoogtechnologische boormachine. Een professionele aannemer die al dagelijks gaten boort, is het meest waarschijnlijk om de nieuwe boormachine te blijven gebruiken. Een hobbyist die zelden boort, zal hem misschien één keer uitproberen en dan weer in de doos leggen.
  • De Bevinding: De engineers die al erg druk waren (die veel code mergen), waren degenen die de tool bleven gebruiken. Hoe meer code zij leverden, hoe vaker zij de robot bleven gebruiken. Junior engineers en managers vertoonden geen sterk patroon in het vasthouden aan de tool.

3. De "Superproductiviteits"-boost (Impact)

De belangrijkste vraag: Hielpen de robots echt?

  • De Analogie: Stel je voor dat je een groep schrijvers een magische typemachine geeft die hun zinnen afmaakt. Schrijven ze daardoor meer boeken?
  • De Bevinding: Ja. Engineers die deze tools gebruikten, mergden 24% meer Pull Requests (wijzigingen in code) dan zij zonder de tools zouden hebben gedaan.
  • De "Geen Afname"-verrassing: Normaal gesproken krijgen mensen bij een nieuw speeltje eerst een enthousiasme-piek van een maand en raken ze daarna verveeld. Deze studie keek naar een periode van vier maanden en vond dat de boost nooit verdween. De engineers werden niet alleen sneller; ze begonnen grotere, complexere projecten aan te pakken die ze normaal gesproken zouden vermijden. Eén engineer zei: "Ik denk niet langer in smalle oplossingen; ik kan de agent gebruiken om breed te denken."

4. Tool Showdown: Copilot vs. Claude

Microsoft bood twee verschillende robots aan. Welke werkte beter?

  • De Bevinding: Copilot CLI (de tool die Microsoft zelf heeft gebouwd) resulteerde in ongeveer twee keer zoveel extra werk als Claude Code.
  • Waarom? Het paper suggereert twee redenen:
    1. Microsoft-engineers zijn misschien gewoon beter in het gebruiken van de tool die hun eigen bedrijf heeft gebouwd, omdat deze beter bij hun specifieke workflow past.
    2. De twee tools worden mogelijk voor verschillende soorten taken gebruikt, maar de tool die Microsoft bouwde, leek meer "gemerge code" vrij te spelen voor hun specifieke omgeving.

5. De Onderstreep

De studie concludeert dat deze AI-agents niet slechts een "noviteit" zijn (een leuk speeltje dat snel verveelt). Ze zijn een echte productiviteitsbooster die standhoudt.

De auteurs voegen echter een cruciale waarschuwing toe: Meer code betekent niet automatisch betere code.

  • De Analogie: Als je een chef-kok een machine geeft die 24% sneller groenten snijdt, kan hij meer soep maken. Maar dat betekent niet dat de soep automatisch lekkerder smaakt. De studie mat hoeveel soep er werd gemaakt, niet hoe goed die smaakte.

Kortom: Als je wilt dat je team deze AI-tools gebruikt, stuur dan niet alleen een e-mail. Zorg ervoor dat het team ziet dat hun collega's en leidinggevenden ze ook gebruiken. En als ze ze gaan gebruiken, verwacht dan dat ze aanzienlijk meer werk verzetten, mits ze al drukbezette werkers zijn. Maar vergeet niet om ook te controleren of dat extra werk daadwerkelijk van hoge kwaliteit is.

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.

Probeer Digest →