AI-assistenter i kodningen tar över – vad 400 000 repos säger oss

Om du följer utvecklingen bland utvecklare de senaste åren har du säkert sett hur AI-verktyg gått från att vara en nyhet till att bli en del av vardagen. Verktyg som Cursor och GitHub Copilot har blivit vanliga inslag i många utvecklares verktygslåda. Men vilka verktyg vinner egentligen mark, och hur använder sig teamen av dem i praktiken?

En ny studie har försökt svara på det genom att analysera över 400 000 publika GitHub-repos. Resultatet ger en bild av hur snabbt och brett AI-assistenter har slagit igenom.

Hur studien gick till

Forskarna letade efter specifika konfigurationsfiler som visar att ett repo använder en viss AI-assistent. De använde GitHubs REST API för att hitta filerna och GraphQL för att få mer information, som när filen skapades och hur den har ändrats över tid.

På så sätt kunde de skilja mellan repos där någon bara lagt till en fil och de där teamen verkligen använder verktyget aktivt. Uppdaterade konfigurationsfiler tyder på att teamen arbetar kontinuerligt med sin AI-assistent.

Vad resultaten visar

Att hitta 400 000 repos med konfigurationsfiler är intressant, men det betyder inte att det är en siffra på total användning. Det visar snarare att många team gör ett medvetet val att optimera sin arbetsgång med AI.

Det betyder också att många team använder flera AI-verktyg samtidigt. Det tyder på att ingen enskild lösning har tagit över helt ännu.

Det undersökta datamaterialet ger också information om vilka språk som används, hur stora projekten är och om det sig om individualister eller organisationer.

Viktiga begränsningar

Studien analyserar bara publika repos på GitHub. Många företag och team använder AI-assistenter i sina privata repos eller utanför GitHub helt. Resultatet ger därför en bild av vad som syns publikt, men säger mindre om hur AI används i företagsmiljöer med högre säkerhetskrav.

Vad det betyder för dig som utvecklare

AI-assistenter är inte längre experimentell teknik. De är någonting som många team redan integrerat i sin vanliga kodning.

Men att bara installera ett verktyg är not tillräckligt. De team som lyckas bäst med AI-assistenter investerar tid i att konfigurera verktyget så att it matches their workflows, codebases, and standards. De som just använder konfigurationsfiler för att anpassa AI till sitt specifika projekt och sin team.

Ekosystemet är fortfarande under utveckling. Multiple tools suggest that no single tool has achieved total dominance, which is healthy. It means developers have choice, and choice drives innovation.

Som denna forskningsansats visar, förväntar vi oss mer studier som inte bara räknar repos utan också undersöker hur AI påverkar kodkvaliteten och utvecklarnas hastighet.