Early Adoption of Agentic Coding Tools by GitHub Projects
Deze studie analyseert meer dan 25.000 door agenten gegenereerde pull requests verspreid over 2.300 GitHub-repositories om aan te tonen dat hoewel de intensieve adoptie van agentische programmeertools geconcentreerd blijft in een kleine subset van projecten, succesvolle integratie zwaar leunt op modellen met toezicht door één mens en significant varieert per projectgrootte en productiviteit.
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 de wereld van softwareontwikkeling voor als een enorme, bruisende bouwplaats waar miljoenen mensen digitale wolkenkrabbers bouwen, steen voor digitale steen. Jarenlang hebben de arbeiders op deze bouwplaats "slimme assistenten" gebruikt—tools die de volgende baksteen suggereren of helpen bij het repareren van een wiebelige muur. Maar onlangs is er een nieuw soort werker gearriveerd: de "agentic" tool. Denk aan deze niet als assistenten die slechts suggesties fluisteren, maar als semi-autonome stagiairs. Deze digitale stagiairs kunnen naar een blauwdruk kijken, een hele nieuwe kamer bouwen, dit testen om te controleren of de lichten werken, en zelfs aan de deur van de projectmanager kloppen om te vragen: "Kunnen we dit erin zetten?" Deze verschuiving is spannend omdat het belooft hoe snel we software kunnen bouwen, maar het roept ook een grote vraag op: Hoe werken echte menselijke teams eigenlijk samen met deze nieuwe digitale stagiairs? Vertrouwen ze hen de sleutels van het hele gebouw toe, of houden ze een strakke lijn? Dit is het verhaal van hoe open-source projecten proberen de regels van deze nieuwe mens-agent-partnerschap te bepalen.
Het artikel "Early Adoption of Agentic Coding Tools by GitHub Projects" werkt als een detectiveverhaal dat onderzoekt hoe duizenden softwareprojecten met deze nieuwe digitale stagiairs omgaan. De onderzoekers bekeken een enorme berg data: 25.264 "pull requests" (wat in feite formele verzoeken zijn om nieuwe code toe te voegen) van 2.361 verschillende projecten op GitHub. Ze richtten zich op een specifieke periode van drie maanden (mei, juni en juli 2025) en volgden drie populaire AI-coding agents: Copilot, Codex en Claude Code. Hun doel was om drie hoofdvragen te beantwoorden: Hoeveel projecten gebruiken deze tools daadwerkelijk? Hoe productief zijn deze projecten bij het gebruik ervan? En, het belangrijkste: hoe werken mensen en agents samen?
Dit is wat het onderzoek onthulde, en het is iets genuanceerder dan je misschien zou verwachten.
Ten eerste ontdekten de onderzoekers dat hoewel deze tools op duizenden plaatsen worden gebruikt, het "zware werk" plaatsvindt in een zeer klein hoekje van de bouwplaats. Als je een willekeurig project zou kiezen, genereerde de mediaan (het middelste punt) slechts één tot twee door agents gemaakte verzoeken tijdens die drie maanden. Het is alsof je ontdekt dat terwijl er een nieuw type elektrisch gereedschap bestaat, de meeste bouwploegen het slechts één of twee keer per maand gebruiken. De studie suggereert dat "intensieve adoptie" nog steeds geconcentreerd is in een relatief kleine subset van projecten. Er is echter een wending: de omvang van het team maakt een groot verschil. Kleine projecten (met 1 tot 5 bijdragers) waren veel enthousiaster om in te springen. Zij hadden een hoger percentage teamleden dat de tools gebruikte en genereerden gemiddeld veel meer agent-activiteit dan de enorme, door bedrijven geleide projecten. Sterker nog, kleine projecten genereerden gemiddeld ongeveer 50 agent-verzoeken per repository, terwijl middelgrote en grote projecten er slechts 5 tot 7 genereerden. Het lijkt erop dat de kleinere ploegen meer bereid zijn om de digitale stagiairs hun gang te laten gaan, terwijl de grote teams nog zeer voorzichtig zijn.
Ten tweede keek het team naar de productiviteit, met de vraag: "Hoeveel code wordt er daadwerkelijk gebouwd per persoon?" Ze vergeleken hun bevindingen met een industriestandaard die suggereert dat een menselijke ontwikkelaar ongeveer 36 verzoeken in drie maanden kan afhandelen. De resultaten lieten zien dat de meeste projecten onder deze lijn bleven. Slechts een fractie—slechts 25 van de 2.361 projecten (ongeveer 1%)—slaagde erin om die grens van 36 verzoeken te overschrijden. Dit suggereert dat hoewel de tools in staat zijn tot veel, de meeste teams nog geen enorme hoeveelheid agent-werk genereren. De weinige projecten die wél boven de lijn uitkwamen, waren voornamelijk de kleine projecten, wat aangeeft dat een hoge productiviteit met deze tools mogelijk afhangt van specifieke projectcondities die we nog niet volledig begrijpen.
Ten slotte keek de studie naar de "dans" tussen mensen en agents. Wie heeft er eigenlijk de leiding? Het antwoord is overweldigend één persoon. In bijna 79% van de gevallen was een enkele menselijke ontwikkelaar degene die het werk van de agent beoordeelde en het ook in het project samenvoegde. Het is een "solo-toezicht" model. Stel je een leraar voor die het huiswerk van een leerling nakijkt en het vervolgens direct in het cijferboek zet zonder een collega om een tweede mening te vragen. Hoewel grotere projecten iets meer teamwork vertoonden (met meerdere mensen die controleerden), is de mens-agent-samenwerking in de overgrote meerderheid van de gevallen een één-op-één relatie. Het artikel suggereert dat zelfs met deze krachtige nieuwe agents, de menselijke rol van beoordelen en goedkeuren centraal blijft staan en niet is vervangen door een teamgebaseerd vangnet.
Kortom, dit artikel schetst het beeld van een vroeg stadium van experimenteren. De digitale stagiairs zijn er, en ze werken hard in sommige kleine, wendbare teams, maar voor de meeste projecten staan ze nog maar net met één voet in de deur. De studie suggereert dat voor deze tools echt transformerend te zijn in softwareontwikkeling, het niet alleen gaat over het slimmer maken van de agents; het gaat over hoe menselijke teams zichzelf organiseren om het werk dat deze agents produceren te vertrouwen, te beoordelen en te beheren. De toekomst van deze partnerschap hangt af van het vinden van de juiste balans tussen de agents hun gang laten gaan en een menselijke hand stevig op het stuur houden.
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.