Метрики Copilot показывают развитие использования AI

GitHub расширил API метрик использования Copilot, добавив отчёты о стадиях внедрения AI. Теперь система не просто отмечает активных пользователей, а классифицирует их по фазам на основе того, как они применяют Copilot в разных продуктах за последние 28 дней.

Для команд, которые хотят понять, стал ли Copilot частью ежедневной инженерной работы, это даёт более точный сигнал, чем обычный счётчик активных пользователей.

Источник: https://github.blog/changelog/2026-05-29-copilot-usage-metrics-api-adds-cohorts-for-ai-adoption

Что изменилось#

GitHub присваивает каждому вовлечённому пользователю одну из четырёх фаз внедрения AI. Классификация основана на использовании Copilot хотя бы дважды за последние 28 дней.

Поле с фазой появляется на уровне пользователя, а отчёты для организаций и корпоративных клиентов получили структуру totals_by_ai_adoption_phase, агрегирующую данные по когортам.

Фазы отражают рост использования агентных рабочих процессов:

• Пользователи, не соответствующие требованиям вовлечённости.
• Пользователи, преимущественно работающие с автозаполнением кода или функциями IDE-агента.
• Пользователи, взаимодействующие с одним агентным интерфейсом GitHub, например облачными агентами, код-ревью или CLI.
• Пользователи, работающие с несколькими агентными интерфейсами или приложением GitHub Copilot.

GitHub подчёркивает, что классификация фаз не привязана к конкретным продуктам, что позволяет модели адаптироваться к новым возможностям Copilot без потери сопоставимости исторических данных.

Почему это важно для анализа использования Copilot#

За последние два года многие организации оценивали внедрение AI просто через количество активных пользователей. Этот показатель полезен, но всё менее полно отражает поведение.

Разовый приём автозаполнений и регулярная работа с несколькими агентами выглядят одинаково в счётчике активных пользователей, хотя это разные поведения.

Модель когорт отделяет эти случаи и помогает ответить на вопросы:

• Использование Copilot выходит за пределы автозаполнения?
• Разработчики внедряют агентные рабочие процессы в регулярную работу?
• Какие команды прогрессируют, а какие застряли на базовом уровне?
• На что направлять обучение и поддержку?

Рост использования агентных функций отражает общий тренд: AI-инструменты переходят от отдельных функций к коллекциям агентов, чат-интерфейсам, системам ревью и автоматизации. Подсчёт активных пользователей больше не объясняет глубину влияния инструмента на инженерную работу.

Метрики становятся операционными#

Обновление даёт не только ярлыки. Отчёты организаций могут группировать метрики активности по фазам: уровень вовлечённости, взаимодействия пользователей, генерация кода, поведение при принятии предложений, изменения кода, активность pull request и время слияния.

GitHub отчёты учитывают среднее значение на пользователя в когорте, а не простую сумму. Это важно: большие команды с множеством слабо вовлечённых пользователей могут создавать впечатляющие агрегаты без реальных изменений на индивидуальном уровне.

Метрики на пользователя делают сравнения осмысленными. Организации могут видеть, связаны ли высокие фазы внедрения с различными паттернами разработки.

Что проверить#

Новая отчётность улучшает видимость, но не гарантирует прироста продуктивности. Когорты измеряют внедрение продукта, а не эффективность разработки.

Команды, переходящие от автозаполнения к многоагентным процессам, демонстрируют рост доверия к Copilot. Это не означает автоматически более быстрые релизы, лучшее качество кода, меньше уязвимостей или усиление безопасности.

Проверяйте сопоставление прогресса когорт с внутренними метриками:

• Продолжительность цикла ревью.
• Частота релизов.
• Количество дефектов.
• Результаты проверок безопасности.
• Качество документации.
• Скорость адаптации новых разработчиков.

Без дополнительного слоя измерений внедрение рискует стать метрикой тщеславия.

Особенно важно в open source безопасности и внутренней платформенной инженерии: рост автоматизации снижает ручной труд, но добавляет требования к доверенности, проверке и управлению.

Ограничения обновления#

• Обновление не оценивает качество разработчиков.
• Не ранжирует команды.
• Не определяет ROI самостоятельно.
• Не делает одну фазу лучше другой.

Результат: более детальная картина использования Copilot со временем. Для организаций, инвестирующих в AI-поддержку, это полезнее, чем очередной график активных пользователей. Цель — понять, идёт ли использование от отдельных функций к интеграции в рабочие процессы и совпадает ли прогресс с измеримыми результатами разработки.