Adopcja AI
Adopcja AI mierzy, w jakim stopniu zespół faktycznie korzysta z narzędzi sztucznej inteligencji przy programowaniu, i jaki to ma wpływ na wykonaną pracę. Zamiast opierać się na deklaracjach albo na samym fakcie posiadania licencji, Q247 dostarcza mierzalnych danych:
- ile Kalorii i Przyrostów (własnych jednostek Q247 do mierzenia wysiłku programistycznego) powstało z pomocą AI, w porównaniu do pracy bez niej,
- ilu ludzi faktycznie korzysta z AI, nie tylko ma do niej dostęp,
- ile to kosztuje, w podziale na projekty i zespoły,
- czy zmiany wprowadzone z pomocą AI utrzymują się w kodzie tak samo dobrze jak inne.
To pozwala kadrze zarządzającej i liderom zespołów ocenić zwrot z inwestycji w narzędzia AI na podstawie faktycznego użycia, nie deklaracji.
Miejsca w aplikacji
Panel Adopcji AI pojawia się na czterech widokach, z różnym zakresem i podziałem:
| Widok | Zakres danych | Podział listy po rozwinięciu |
|---|---|---|
| Pulpit | cała organizacja | projekty |
| Zespoły | cała organizacja | zespoły |
| Zespół | jeden zespół | uczestnicy tego zespołu |
| Projekt | jeden projekt | uczestnicy tego projektu |
Widoczność panelu steruje osobny przełącznik w Configuration ("Pokaż adopcję AI").
Widoczność danych imiennych
O zawartości panelu decydują dwa niezależne ustawienia.
Przełącznik "Pokaż adopcję AI" obejmuje całą organizację i włącza albo wyłącza panel dla wszystkich.
Uprawnienia managerskie działają wewnątrz włączonego panelu i decydują, czyje dane widać po rozwinięciu listy uczestników. Osoba bez nich widzi wyłącznie własny wiersz; wiersze pozostałych osób nie są jej wysyłane, więc nie pojawią się ani na liście, ani w wyszukiwaniu. Nie może też wejść na strony uczestnika innych osób. Podsumowania i wykresy zbiorcze pozostają widoczne dla wszystkich, bo nie wskazują pojedynczych osób.
Managerski zakres wynika z roli w drzewie zespołów albo z roli w projekcie, więc ta sama osoba może widzieć pełną listę w swoim projekcie i tylko siebie w innym.
Wskaźniki
- % adopcji:
kalorie AI ÷ (kalorie AI + kalorie bez AI)w wybranym okresie, czyli jaki udział wysiłku programistycznego powstał z pomocą AI. - AI cal: suma kalorii wygenerowanych z pomocą AI.
- Tokens: suma tokenów wejściowych, wyjściowych i tych zapisujących nowy fragment do cache narzędzia AI, przy czym tokeny tylko odczytane z tego cache są celowo pominięte. Jest ich zwykle bardzo dużo, są tanie i ich wliczenie sztucznie zawyżałoby wynik.
- AI spend: szacowany koszt wykorzystania AI w tym okresie, w USD.
- Cal/$: ile kalorii AI wygenerowano na każdego wydanego dolara:
kalorie AI ÷ AI spend. - Retencja R30 (AI / nie-AI): jaki procent linii kodu dodanych przez commity AI (osobno: przez pozostałe commity) przetrwał 30 dni bez nadpisania czy usunięcia, średnia ważona liczbą dodanych linii. Pokazuje, czy zmiany wprowadzone z pomocą AI utrzymują się w kodzie równie dobrze jak inne. Pełny opis metryki retencji na stronie Retencja. R30 stosuje te same wykluczenia co Retencja i liczy commity przywrócone ręcznie do statystyk. Okno dat jest w nim przesunięte o 30 dni wstecz, tak jak w Retencji. Podział na commity AI i pozostałe pochodzi z klasyfikacji treści commitów. Commit, którego wiadomości Q247 jeszcze nie sklasyfikował, nie wchodzi do żadnej z dwóch wartości.
- Kalorie na commit (AI / nie-AI): średnia liczba kalorii przypadająca na jeden commit, osobno dla AI i pozostałych.
- Aktywni użytkownicy AI / wszyscy: ilu committerów miało w tym okresie choć jeden commit z AI, na tle wszystkich committerów.
Przy rozbiciu na projekty tokeny i koszt są przydzielane proporcjonalnie do tego, ile kalorii AI dany użytkownik wygenerował w danym projekcie danego dnia. Przykład: jeśli dana osoba danego dnia wygenerowała 60% swoich kalorii AI w Projekcie A i 40% w Projekcie B, to jej tokeny i koszt z tego dnia są dzielone w tej samej proporcji, 60/40. Dzięki temu sumy dla wszystkich projektów dodają się dokładnie do dziennego zużycia całej organizacji, nic nie ginie ani się nie podwaja. Przy rozbiciu na zespoły liczy się inaczej: pełne zużycie każdego członka trafia do jego zespołu, bez dzielenia między zespoły.
Źródła danych
Adopcja AI łączy dwa niezależne źródła.
Klasyfikacja treści commitów. Q247 analizuje treść każdego commita w poszukiwaniu adnotacji wskazujących na udział AI, np. "Co-Authored-By: Claude". Działa to na danych, które Q247 już zbiera. Nie wymaga żadnej dodatkowej integracji. Na tej podstawie liczone są: % adopcji, AI cal, Retencja R30 (AI/nie-AI) i Kalorie na commit. Domyślnie rozpoznawane są wzorce dla popularnych narzędzi, np. Claude Code, GitHub Copilot, Cursor, Aider, Devin czy OpenAI Codex. Lista jest konfigurowalna, więc to przykłady, nie zamknięty zestaw.
Telemetria OpenTelemetry. Tylko Tokens, AI spend i Cal/$ pochodzą z faktycznej telemetrii narzędzi AI, przesyłanej do Q247 przez Enterprise Plugin zainstalowany w infrastrukturze organizacji. Standardem Q247 do zbierania tych danych jest OpenTelemetry: mechanizm jest zaprojektowany pod dowolne narzędzie AI emitujące dane w tym formacie, a dodanie kolejnego dostawcy wymaga jedynie osobnego modułu odczytującego jego dane, bez zmian w rdzeniu integracji. Obecnie jedynym zaimplementowanym i obsługiwanym źródłem jest Claude Code. To źródło wymaga wcześniejszej konfiguracji, opisanej w Logach narzędzi AI. Bez niej pozostałe wskaźniki (oparte na klasyfikacji commitów) nadal działają, ale te trzy nie są dostępne.
Oba źródła są łączone na poziomie użytkownika, co wymaga zmapowania konta używanego przez Claude Code (zwykle e-mail lokalnie skonfigurowany na komputerze programisty) z kontem tej osoby w Q247. Te adresy nie zawsze są takie same. Mapowanie kont opisane jest na stronie Użytkownicy i Zespoły, konfiguracja samej telemetrii w Konfiguracji.