GitHub heeft het impactdashboard van Copilot uitgebreid met een vergelijking met andere bedrijven. Organisaties zien daar voortaan of hun ontwikkelaars meer of minder met AI-agents werken dan collega's in dezelfde branche. Het gaat om een update voor zakelijke klanten, gemeld in de changelog van GitHub.

Wat je kunt vergelijken

Het dashboard kijkt naar twee dingen. Het eerste is adoptie: welk deel van je gebruikers werkt vooral met agents of met meerdere agents tegelijk. Het tweede noemt GitHub leverage: hoe vaak pull requests van ontwikkelaars die agents gebruiken worden samengevoegd, vergeleken met die van ontwikkelaars die dat niet doen.

  • Je kiest een bedrijfsgrootte (bijvoorbeeld tot 999, tot 4.999 of meer dan 5.000 medewerkers) en een van tien branches.
  • Je score wordt afgezet tegen de mediaan van die groep over een periode van 28 dagen, en later ook tegen de beste tien procent.
  • Is je branche te klein, dan vergelijkt GitHub met alle branches van jouw omvang en zegt dat er ook bij.

Privacy en Europese data

Meedoen is opt-in en staat standaard uit. Wie meedoet, deelt zijn eigen cijfers in geaggregeerde vorm en krijgt daarvoor de vergelijking terug. Volgens GitHub bevatten de benchmarks geen herleidbare gegevens en worden ze na dertig dagen gewist. Voor klanten van GitHub Enterprise Cloud met dataresidentie, zoals Europese bedrijven die hun gegevens in de EU willen houden, geldt een belangrijke regel: je wordt alleen vergeleken met deelnemers uit dezelfde regio en data wordt nooit tussen regio's gemengd.

Kort na de lancering zal het nog weinig opleveren. Rangschikkingen verschijnen pas als genoeg bedrijven meedoen. De vergelijking staat ook alleen in het dashboard, niet in de API of exports.

Druk om AI-agents te gebruiken

De functie zegt iets over de richting van de markt. Managers willen niet meer alleen weten óf hun team AI gebruikt, maar of ze achterlopen op de concurrent. GitHub bouwt Copilot de laatste weken stevig uit richting agents, met onder meer agents die zelf beveiligingslekken dichten en HydraFusion, dat meerdere modellen laat samenwerken. Een hoger percentage samengevoegde pull requests zegt overigens niet automatisch iets over de kwaliteit van de code.