Paradigm shift on Coding Productivity Using GenAI

要約

生成AI（genai）アプリケーションは、自動化されたコードの共創を可能にすることにより、ソフトウェアエンジニアリングを変換しています。
ただし、産業環境におけるGenaiの生産性効果に関する経験的証拠は依然として限られています。
このホワイトペーパーでは、電気通信およびフィンテックドメイン内のGenaiコーディングアシスタント（Codeium、Amazon Qなど）の採用を調査します。
産業ドメイン専門家との調査とインタビューを通じて、タスクの複雑さ、コーディングスキル、ドメイン知識、Genai統合など、主要な生産性の影響要因を特定します。
私たちの調査結果は、Genaiツールが日常的なコーディングタスク（例：リファクタリングやJavadoc生成）の生産性を向上させるが、コードベースのコンテキストが限られているため、カスタマイズされた設計ルールのサポートが不十分であるため、複雑でドメイン固有のアクティビティの課題に直面していることを示しています。
コード転送のための新しいパラダイムを強調し、効果的なGenai使用に不可欠な反復迅速な改良、没入型開発環境、自動コード評価を強調します。

要約(オリジナル)

Generative AI (GenAI) applications are transforming software engineering by enabling automated code co-creation. However, empirical evidence on GenAI’s productivity effects in industrial settings remains limited. This paper investigates the adoption of GenAI coding assistants (e.g., Codeium, Amazon Q) within telecommunications and FinTech domains. Through surveys and interviews with industrial domain-experts, we identify primary productivity-influencing factors, including task complexity, coding skills, domain knowledge, and GenAI integration. Our findings indicate that GenAI tools enhance productivity in routine coding tasks (e.g., refactoring and Javadoc generation) but face challenges in complex, domain-specific activities due to limited context-awareness of codebases and insufficient support for customized design rules. We highlight new paradigms for coding transfer, emphasizing iterative prompt refinement, immersive development environment, and automated code evaluation as essential for effective GenAI usage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google