Lebih dari satu dari lima code review di GitHub kini dilakukan oleh reviewer AI: Copilot code review melewati 60 juta review pada Maret 2026, kurang dari setahun setelah tersedia secara umum (GitHub Blog, 2026). Volume yang harus direview juga terus naik: pengguna GitHub menggabungkan rata-rata 43,2 juta pull request per bulan pada 2025, naik 23% dari tahun ke tahun (GitHub Octoverse 2025). Kepercayaan tidak mengikuti laju itu, karena 96% developer tidak sepenuhnya percaya pada kode buatan AI (Sonar State of Code Developer Survey 2026), dan 85% developer serta pembeli teknologi yang disurvei setuju bahwa AI telah memindahkan hambatan dari menulis kode ke mereview kode (GitLab AI Accountability Report 2026). Kami menggabungkan data dari Stack Overflow Developer Survey, GitHub Octoverse, riset DevSecOps GitLab, laporan DORA dari Google, Sonar, Qodo, Veracode, CodeRabbit, Faros AI, METR, JetBrains, Atlassian, dan Gartner. Untuk sisi penulisan kode, lihat rangkuman pendamping kami tentang statistik pembuatan kode dengan AI.
TL;DR
- Copilot code review menangani lebih dari 1 dari 5 code review di GitHub, dengan 60 juta review selesai (GitHub Blog, 2026)
- 85% setuju AI telah memindahkan hambatan dari menulis kode ke mereview dan memvalidasinya (GitLab AI Accountability Report 2026)
- 96% developer tidak sepenuhnya percaya pada kode buatan AI, tetapi hanya 48% yang selalu memverifikasinya sebelum commit (Sonar State of Code 2026)
- 10,2% developer sebagian besar menggunakan AI untuk commit dan review kode; 58,7% tidak berencana melakukannya (Stack Overflow Developer Survey 2025)
- Tim dengan adopsi AI tinggi menggabungkan 98% lebih banyak PR, sementara waktu review PR naik 91% (Faros AI Productivity Paradox Report 2025)
- 81% developer yang menggunakan review AI melihat peningkatan kualitas, dibandingkan 55% pada tim yang sama cepatnya tanpa review AI (Qodo State of AI Code Quality 2025)
- 45% sampel kode buatan AI gagal dalam uji keamanan di 100+ LLM (Veracode GenAI Code Security Report 2025)
- PR yang ditulis bersama AI memiliki 10,83 masalah per PR, dibandingkan 6,45 untuk PR yang ditulis manusia saja (CodeRabbit State of AI vs Human Code Generation 2025)
- 72,6% pengguna Copilot code review mengatakan alat itu meningkatkan efektivitas mereka (GitHub Octoverse 2025)
- 80% mengatakan organisasi mereka mengadopsi alat AI lebih cepat daripada menyusun kebijakan untuk mengaturnya (GitLab AI Accountability Report 2026)
- 90% profesional teknologi kini menggunakan AI di tempat kerja, tetapi 30% memiliki sedikit atau tidak ada kepercayaan pada kode buatan AI (Google DORA 2025)
- 90% software engineer enterprise akan menggunakan asisten kode AI pada 2028, naik dari kurang dari 14% pada awal 2024 (Gartner, 2025)
1. Adopsi AI oleh Developer: Fondasi Review Otomatis
Review otomatis adalah konsekuensi lanjutan dari penulisan otomatis. 90% profesional teknologi kini menggunakan AI di tempat kerja (Google DORA State of AI-assisted Software Development 2025), sehingga hampir setiap pull request yang masuk antrean review memiliki kemungkinan berisi kode tulisan mesin. Hal itu mengubah fungsi review: bukan lagi sekadar pemeriksaan sejawat, melainkan titik kendali utama untuk kode yang tidak sepenuhnya ditulis manusia.
Adopsinya juga dalam, bukan hanya luas. Responden Sonar mengatakan 42% kode yang mereka commit sudah dibuat atau dibantu AI, dan JetBrains menemukan 62% developer mengandalkan setidaknya satu asisten koding AI, agen, atau editor kode AI. Pertanyaan bagi pemimpin engineering telah bergeser dari apakah tim menggunakan AI menjadi seberapa banyak keluaran AI yang belum direview dapat diserap pipeline mereka.
| Metrik | Nilai | Sumber |
|---|---|---|
| Profesional teknologi yang menggunakan AI di tempat kerja | 90% (naik 14% dari tahun sebelumnya) | Google DORA State of AI-assisted Software Development 2025 |
| Median waktu penggunaan AI per hari | 2 jam | Google DORA 2025 |
| Developer yang menggunakan atau berencana menggunakan alat AI | 84% (naik dari 76% pada 2024) | Stack Overflow Developer Survey 2025 |
| Developer profesional yang menggunakan alat AI setiap hari | 51% | Stack Overflow Developer Survey 2025 |
| Developer yang rutin menggunakan AI untuk koding dan pengembangan | 85% | JetBrains State of Developer Ecosystem 2025 |
| Developer yang mengandalkan setidaknya satu asisten koding AI, agen, atau editor AI | 62% | JetBrains State of Developer Ecosystem 2025 |
| Developer yang mencoba alat koding AI dan kini menggunakannya setiap hari | 72% | Sonar State of Code Developer Survey 2026 |
| Profesional DevSecOps yang menggunakan atau berencana menggunakan AI dalam SDLC | 97% | GitLab Global DevSecOps Report 2025 |
Catatan konteks: survei-survei ini menggunakan populasi yang berbeda (Stack Overflow terbuka untuk semua developer, DORA menyasar profesional teknologi, JetBrains mensurvei 24.534 developer di 194 negara), sehingga tingkat adopsi lebih tepat dibaca sebagai rentang yang konsisten antara 84% dan 97% daripada satu angka tunggal. Redaksi lengkap pertanyaan ada di halaman hasil AI Stack Overflow 2025 dan di State of Developer Ecosystem 2025 milik JetBrains. Angka lintas industri yang lebih luas ada dalam rangkuman statistik survei developer kami.
2. Adopsi dan Skala Code Review AI
Review adalah tahap alur kerja di mana developer paling enggan menyerahkan kendali, dan data survei menunjukkannya. Hanya 10,2% developer yang sebagian besar menggunakan AI untuk commit dan review kode, dan 58,7% mengatakan tidak berencana melakukannya (Stack Overflow Developer Survey 2025). Namun telemetri platform menceritakan hal yang berbeda: review AI diaktifkan di tingkat organisasi, berjalan pada setiap pull request terlepas dari apakah developer secara individual memintanya.
Kesenjangan antara niat pribadi dan pengaturan default organisasi itulah ciri utama pasar ini pada 2026. GitHub menyatakan penggunaan Copilot code review telah tumbuh 10 kali lipat sejak peluncuran, dan lebih dari 12.000 organisasi menjalankannya secara otomatis pada setiap pull request (GitHub Blog, 60 juta Copilot code review). Tumpukan multi-alat adalah hal yang lumrah: 91% organisasi dalam survei GitLab 2026 memiliki dua atau lebih alat koding AI yang aktif digunakan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Copilot code review yang diselesaikan sejak peluncuran April 2025 | 60 juta | GitHub Blog, Maret 2026 |
| Porsi seluruh code review di GitHub yang ditangani Copilot code review | Lebih dari 1 dari 5 | GitHub Blog, Maret 2026 |
| Organisasi yang menjalankan Copilot code review secara otomatis pada setiap PR | 12.000+ | GitHub Blog, Maret 2026 |
| Copilot code review yang menghasilkan masukan yang dapat ditindaklanjuti | 71% (rata-rata 5,1 komentar per review) | GitHub Blog, Maret 2026 |
| Pengguna Copilot code review yang menyatakan alat itu meningkatkan efektivitas mereka | 72,6% | GitHub Octoverse 2025 |
| Developer yang sebagian besar / sebagian menggunakan AI untuk commit dan review kode | 10,2% / 22,6% | Stack Overflow Developer Survey 2025 |
| Developer yang berencana menggunakan AI sebagian / sebagian besar untuk tugas ini | 31,4% / 16,3% | Stack Overflow Developer Survey 2025 |
| Organisasi dengan dua atau lebih / tiga atau lebih alat koding AI yang aktif digunakan | 91% / 54% | GitLab AI Accountability Report 2026 |
Catatan pencilan: tingkat masukan yang dapat ditindaklanjuti sebesar 71% juga berarti 29% review Copilot tidak memberikan komentar, yang oleh GitHub dipresentasikan sebagai pilihan desain yang disengaja (diam ketika tidak ada yang salah), bukan kegagalan. Fitur Copilot code review mencapai ketersediaan umum pada 4 April 2025, menurut GitHub Octoverse 2025. Preseden yang lebih awal datang dari Google, tempat sebuah model ML internal dapat menangani sekitar 52% komentar reviewer pada target presisi 50%, dan penulis kode menerapkan 40% hingga 50% dari usulan perubahan yang ditampilkan (Google Research, 2023). Data terbaru yang tersedia untuk studi internal tersebut: Google Research, 2023.
3. Kepercayaan dan Akurasi: Kesenjangan Verifikasi
Kepercayaan bergerak ke arah yang berlawanan dengan penggunaan. 96% developer tidak sepenuhnya percaya bahwa kode buatan AI benar secara fungsional, tetapi hanya 48% yang selalu memverifikasinya sebelum commit (Sonar State of Code Developer Survey 2026). Kesenjangan 48 poin antara keraguan dan ketekunan itulah ruang yang dijadikan target penjualan alat review otomatis: jika manusia tidak konsisten memeriksa keluaran AI, sesuatu yang lain harus melakukannya.
Pola ini berulang di berbagai sampel independen. Stack Overflow menemukan bahwa dua pertiga developer menemui jawaban AI yang hampir benar, tetapi belum tepat, dan DORA menemukan 30% memiliki sedikit atau tidak ada kepercayaan pada kode buatan AI meskipun lebih dari 80% melaporkan peningkatan produktivitas. Developer telah terbiasa memperlakukan AI sebagai kolaborator yang cepat tetapi bisa keliru dan hasil kerjanya harus diperiksa, itulah sebabnya responden Sonar menempatkan kemampuan mereview dan memvalidasi kode buatan AI sebagai keterampilan terpenting di era AI.
| Metrik | Nilai | Sumber |
|---|---|---|
| Developer yang tidak sepenuhnya percaya kode buatan AI benar secara fungsional | 96% | Sonar State of Code Developer Survey 2026 |
| Developer yang selalu memverifikasi kode AI sebelum commit | 48% | Sonar State of Code Developer Survey 2026 |
| Developer yang setuju AI menghasilkan kode yang tampak benar tetapi tidak andal | 61% | Sonar State of Code Developer Survey 2026 |
| Developer yang sangat percaya / secara aktif tidak percaya pada akurasi keluaran AI | 3,1% / 46% | Stack Overflow Developer Survey 2025 |
| Developer yang frustrasi dengan solusi AI yang hampir benar, tetapi belum tepat | 66% | Stack Overflow Developer Survey 2025 |
| Profesional teknologi dengan sedikit atau tanpa kepercayaan pada kode buatan AI | 30% | Google DORA 2025 |
| Responden yang percaya AI dapat menangani tugas harian tanpa review manusia | 37% | GitLab Global DevSecOps Report 2025 |
| Developer yang melaporkan halusinasi rendah sekaligus kepercayaan tinggi saat merilis kode AI | 3,8% | Qodo State of AI Code Quality 2025 |
Catatan konteks: ringkasan untuk pemimpin dari Stack Overflow sendiri melaporkan kepercayaan pada akurasi AI sebesar 29% pada 2025, turun dari 40% pada 2024, sedangkan halaman hasil publik menampilkan 33% dengan menggabungkan yang cukup percaya dan sangat percaya; perbedaannya mencerminkan cara jawaban dikelompokkan, dan keduanya menunjukkan penurunan (Stack Overflow 2025 survey for leaders). Qodo menambahkan bahwa 25% developer memperkirakan satu dari lima saran AI mengandung kesalahan faktual atau kode yang menyesatkan, dan developer yang melihat lebih sedikit halusinasi 2,5 kali lebih mungkin menggabungkan kode tanpa mereviewnya (24% berbanding 9%).
4. Produktivitas dan Hambatan Review
Cara tercepat untuk memahami mengapa review AI berkembang adalah melihat ke mana waktu pergi. Tim dengan adopsi AI tinggi menggabungkan 98% lebih banyak pull request, sementara waktu review PR naik 91% (Faros AI, The AI Productivity Paradox Research Report 2025). Menulis menjadi lebih murah; membaca tidak. Faros juga menemukan ukuran rata-rata PR naik 154%, sehingga reviewer menghadapi pull request yang lebih banyak sekaligus lebih besar.
Data yang dilaporkan sendiri sejalan. Survei GitLab 2026 menemukan 78% responden mengatakan developer menulis dan melakukan commit kode lebih cepat, dan 85% setuju AI telah memindahkan hambatan ke mereview dan memvalidasinya. Sebuah studi terkontrol dari METR memberi peringatan soal persepsi: developer open source berpengalaman membutuhkan waktu 19% lebih lama untuk menyelesaikan isu dengan alat AI, meskipun setelahnya mereka tetap percaya bahwa AI membuat mereka 20% lebih cepat (METR, Juli 2025).
| Metrik | Nilai | Sumber |
|---|---|---|
| Perubahan jumlah PR yang digabungkan pada tim dengan adopsi AI tinggi | +98% | Faros AI Productivity Paradox Report 2025 |
| Perubahan waktu review PR pada tim dengan adopsi AI tinggi | +91% | Faros AI Productivity Paradox Report 2025 |
| Perubahan ukuran rata-rata PR | +154% | Faros AI Productivity Paradox Report 2025 |
| Perubahan tugas yang diselesaikan per developer | +21% | Faros AI Productivity Paradox Report 2025 |
| Perubahan pull request yang ditangani per developer per hari | +47% | Faros AI Productivity Paradox Report 2025 |
| Developer yang menyatakan mereview kode AI membutuhkan upaya lebih besar daripada mereview kode rekan | 38% | Sonar State of Code Developer Survey 2026 |
| Pull request yang digabungkan di GitHub per bulan (rata-rata 2025) | 43,2 juta (+23% dari tahun ke tahun) | GitHub Octoverse 2025 |
| Perubahan waktu penyelesaian tugas dengan alat AI dalam uji acak (16 developer, 246 isu) | +19% lebih lambat | METR, 2025 |
Catatan konteks: Faros tidak menemukan korelasi yang signifikan antara adopsi AI dan metrik DORA tingkat perusahaan, artinya keuntungan individu menguap sebelum mencapai hasil pengiriman. State of Developer Experience 2025 dari Atlassian (3.500 developer dan manajer) menunjukkan imbal balik yang sama: 68% menghemat lebih dari 10 jam per minggu dengan AI, sementara 50% kehilangan 10+ jam per minggu akibat hambatan organisasi (Atlassian, 2025). Review otomatis adalah salah satu dari sedikit tuas yang diarahkan ke tahap tempat waktu benar-benar menumpuk.
5. Temuan Kualitas dan Keamanan Kode
Data kualitas terbagi jelas menjadi dua cerita. Kode tulisan AI yang tidak direview terukur membawa lebih banyak cacat. Pull request yang ditulis bersama AI rata-rata memiliki 10,83 masalah per PR dibandingkan 6,45 untuk PR yang ditulis manusia saja, sekitar 1,7 kali lebih banyak (CodeRabbit, State of AI vs Human Code Generation Report 2025), dan Veracode menemukan 45% sampel kode buatan AI gagal dalam uji keamanan dan memunculkan kerentanan OWASP Top 10.
Cerita kedua adalah bahwa adanya review dalam alur mengubah hasilnya. Qodo menemukan 81% developer yang menggunakan code review AI melaporkan peningkatan kualitas, dibandingkan 55% pada tim yang sama cepatnya tanpa review AI, dan pengguna review AI melihat peningkatan kualitas bahkan ketika produktivitas stagnan (36% berbanding 17%). Dibaca bersama, angka-angka ini menunjukkan bahwa risiko ada pada keluaran AI yang tidak direview, bukan pada keluaran AI itu sendiri. Pembaca yang memantau lanskap ancaman yang lebih luas dapat membandingkan angka-angka ini dengan statistik keamanan siber kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Sampel kode buatan AI yang gagal dalam uji keamanan (100+ LLM) | 45% | Veracode GenAI Code Security Report 2025 |
| Tingkat kegagalan keamanan menurut bahasa: Java / C# / JavaScript / Python | 72% / 45% / 43% / 38% | Veracode GenAI Code Security Report 2025 |
| Sampel di mana AI gagal bertahan dari cross-site scripting (CWE-80) | 86% | Veracode GenAI Code Security Report 2025 |
| Masalah per PR: ditulis bersama AI berbanding manusia saja (470 PR open source) | 10,83 berbanding 6,45 | CodeRabbit State of AI vs Human Code Generation 2025 |
| Masalah keamanan pada PR yang ditulis bersama AI dibandingkan PR manusia saja | Hingga 2,74 kali lebih tinggi | CodeRabbit State of AI vs Human Code Generation 2025 |
| Peningkatan kualitas dengan review AI berbanding tanpa (di antara tim yang cepat) | 81% berbanding 55% | Qodo State of AI Code Quality 2025 |
| Responden yang melaporkan pengaruh positif AI terhadap kualitas kode | 59% | Google DORA 2025 |
| Repositori dengan peringatan CodeQL untuk broken access control | 151.000+ (+172% dari tahun ke tahun) | GitHub Octoverse 2025 |
Catatan konteks: Veracode melaporkan bahwa model yang lebih besar dan lebih baru tidak menghasilkan kode yang lebih aman, sehingga peningkatan model saja bukan pengganti review. Di sisi positif, GitHub Octoverse 2025 melaporkan waktu perbaikan kerentanan membaik 30% selama setahun terakhir dan 26% lebih sedikit repositori yang menerima peringatan kritis. Faros menambahkan kenaikan 9% bug per developer pada tim dengan adopsi AI tinggi. Ringkasan laporan Veracode memuat metodologi lengkapnya.
6. Tata Kelola, Tantangan Enterprise, dan Langkah Berikutnya
Perusahaan membeli alat koding AI lebih cepat daripada menulis aturan untuknya. 80% responden mengatakan organisasi mereka mengadopsi alat AI lebih cepat daripada menyusun kebijakan untuk mengaturnya, dan 92% melaporkan semacam tantangan tata kelola terkait kode buatan AI (GitLab AI Accountability Report 2026). Fase berikutnya dari review otomatis karena itu kurang soal menangkap salah ketik dan lebih soal asal-usul: mengetahui kode mana yang berasal dari model, alat mana yang menghasilkannya, dan siapa yang menyetujuinya.
Angka keterlacakan adalah yang paling mengkhawatirkan. 87% yakin dapat menentukan dalam 24 jam apakah kode buatan AI berkontribusi pada insiden produksi, namun 34% organisasi yang benar-benar mengalami insiden dalam setahun terakhir tidak dapat membuat penentuan itu. Sementara itu porsi kode tulisan AI terus naik, yang berarti masalah tata kelola menumpuk setiap kuartal. Statistik adopsi AI enterprise kami membahas pola kebijakan yang tertinggal yang sama di luar tim perangkat lunak.
| Metrik | Nilai | Sumber |
|---|---|---|
| Organisasi yang mengadopsi AI lebih cepat daripada kebijakan tata kelola / melaporkan tantangan tata kelola | 80% / 92% | GitLab AI Accountability Report 2026 |
| Responden yang tidak dapat membedakan secara andal kode buatan AI dari kode tulisan manusia | 43% | GitLab AI Accountability Report 2026 |
| Responden yang menyatakan kode AI berisiko menciptakan bentuk baru utang teknis | 82% | GitLab AI Accountability Report 2026 |
| Responden yang menyatakan AI meningkatkan kompleksitas pengelolaan kepatuhan | 70% | GitLab Global DevSecOps Report 2025 |
| Responden yang menemukan lebih banyak masalah kepatuhan setelah deployment daripada selama pengembangan | 76% | GitLab Global DevSecOps Report 2025 |
| Kode yang di-commit yang dibuat atau dibantu AI: saat ini berbanding perkiraan pada 2027 | 42% berbanding 65% | Sonar State of Code Developer Survey 2026 |
| Software engineer enterprise yang menggunakan asisten kode AI: awal 2024 berbanding proyeksi 2028 | Kurang dari 14% berbanding 90% | Gartner Top Strategic Trends in Software Engineering 2025 |
Catatan konteks: temuan kepatuhan pascadeployment sebesar 76% dari laporan DevSecOps GitLab 2025 (3.266 profesional, dilakukan oleh The Harris Poll) adalah argumen langsung untuk memindahkan pemeriksaan ke tahap review (siaran pers GitLab, November 2025). Proyeksi Gartner dilaporkan di sini melalui liputan DevOps Digest atas rilis Gartner Juli 2025; rilis yang sama memprediksi setidaknya 55% tim rekayasa perangkat lunak akan membangun fitur berbasis LLM pada 2027. Dari sisi ROI, 60% responden GitLab 2026 mengatakan ROI koding AI telah melampaui ekspektasi, sehingga tekanannya adalah mengelola kode AI, bukan mundur darinya.
Ringkasan: Code Review AI dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Porsi code review GitHub yang ditangani Copilot code review | Lebih dari 1 dari 5 | GitHub Blog, 2026 |
| Copilot code review yang diselesaikan | 60 juta | GitHub Blog, 2026 |
| Organisasi yang menjalankan review AI pada setiap PR (Copilot) | 12.000+ | GitHub Blog, 2026 |
| Pengguna Copilot code review yang melaporkan efektivitas meningkat | 72,6% | GitHub Octoverse 2025 |
| Developer yang sebagian besar menggunakan AI untuk commit dan review kode | 10,2% | Stack Overflow Developer Survey 2025 |
| Developer yang tidak berencana menggunakan AI untuk commit dan review kode | 58,7% | Stack Overflow Developer Survey 2025 |
| Profesional teknologi yang menggunakan AI di tempat kerja | 90% | Google DORA 2025 |
| Developer yang tidak sepenuhnya percaya kode buatan AI | 96% | Sonar State of Code 2026 |
| Developer yang selalu memverifikasi kode AI sebelum commit | 48% | Sonar State of Code 2026 |
| Developer yang secara aktif tidak percaya pada akurasi keluaran AI | 46% | Stack Overflow Developer Survey 2025 |
| AI memindahkan hambatan dari menulis ke mereview kode | 85% setuju | GitLab AI Accountability Report 2026 |
| Perubahan waktu review PR pada tim dengan adopsi AI tinggi | +91% | Faros AI 2025 |
| Perubahan jumlah PR yang digabungkan pada tim dengan adopsi AI tinggi | +98% | Faros AI 2025 |
| Peningkatan kualitas dengan review AI berbanding tanpa | 81% berbanding 55% | Qodo State of AI Code Quality 2025 |
| Sampel kode buatan AI yang gagal uji keamanan | 45% | Veracode GenAI Code Security Report 2025 |
| Masalah per PR, ditulis bersama AI berbanding manusia saja | 10,83 berbanding 6,45 | CodeRabbit 2025 |
| Organisasi yang mengadopsi AI lebih cepat daripada kebijakan tata kelola | 80% | GitLab AI Accountability Report 2026 |
| Profesional teknologi dengan sedikit atau tanpa kepercayaan pada kode buatan AI | 30% | Google DORA 2025 |
| Porsi AI dalam kode yang di-commit, saat ini berbanding ekspektasi 2027 | 42% berbanding 65% | Sonar State of Code 2026 |
| Engineer enterprise yang menggunakan asisten kode AI pada 2028 | 90% (proyeksi) | Gartner, 2025 |
Metodologi dan Sumber
- Stack Overflow Developer Survey 2025, bagian AI: adopsi, kepercayaan, frustrasi, dan penggunaan AI untuk commit dan review kode (33.662 responden menjawab pertanyaan penggunaan AI).
- Stack Overflow 2025 Developer Survey for Leaders, adopsi AI: perbandingan kepercayaan dari tahun ke tahun (2024 berbanding 2025).
- GitHub Octoverse 2025: efektivitas Copilot code review, volume PR dan commit, data CodeQL dan waktu perbaikan kerentanan.
- GitHub Blog, 60 juta Copilot code review dan terus bertambah (Maret 2026): volume review, porsi review GitHub, jumlah organisasi, tingkat masukan yang dapat ditindaklanjuti.
- Siaran pers GitLab AI Accountability Report 2026: The Harris Poll, 1.528 developer dan pembeli teknologi di enam negara, dirilis 23 Juni 2026.
- Siaran pers GitLab Global DevSecOps Report 2025: The Harris Poll, 3.266 profesional DevSecOps, dirilis 10 November 2025.
- Google Cloud, Announcing the 2025 DORA Report dan ringkasan DORA 2025 di Google Blog: hampir 5.000 profesional teknologi ditambah 100+ jam data kualitatif.
- Sonar State of Code Developer Survey 2026 dan analisis kesenjangan kepercayaan AI dari Sonar: 1.100+ developer profesional, diterbitkan Januari 2026.
- Qodo State of AI Code Quality 2025: 609 developer dari berbagai ukuran perusahaan dan wilayah.
- Veracode 2025 GenAI Code Security Report: 100+ LLM diuji pada Java, Python, C#, dan JavaScript, diterbitkan 30 Juli 2025.
- CodeRabbit State of AI vs Human Code Generation Report: 470 PR open source (320 ditulis bersama AI, 150 manusia saja), diterbitkan 17 Desember 2025.
- Faros AI, The AI Productivity Paradox Research Report: telemetri dari 10.000+ developer di 1.255 tim, diterbitkan Juli 2025.
- METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity: uji terkontrol acak, 16 developer, 246 isu.
- JetBrains State of Developer Ecosystem 2025: 24.534 developer di 194 negara, disurvei April hingga Juni 2025.
- Atlassian State of Developer Experience 2025: 3.500 developer dan manajer di enam negara.
- Google Research, Resolving code review comments with ML (2023): usulan perubahan berbasis ML internal untuk komentar reviewer.
- Gartner Top Strategic Trends in Software Engineering 2025, melalui DevOps Digest: rilis asli Gartner tidak dapat diakses publik; angka dikutip sebagaimana dilaporkan.
- Zhong et al., From Human-Centric to Agentic Code Review (arXiv, Juli 2026): analisis 1,02 juta PR yang direview dari 207 proyek GitHub, yang menemukan bahwa review yang melibatkan agen berkaitan dengan keputusan yang lebih cepat tetapi bukan kualitas review yang lebih baik; hanya digunakan sebagai konteks kualitatif.
- Catatan data: riset yang dijalankan vendor (GitHub, Sonar, Qodo, CodeRabbit, Faros AI) berasal dari perusahaan yang menjual alat koding atau review AI, jadi perlakukan pembingkaian mereka dengan hati-hati meskipun metodologinya diungkapkan. Sampel 470 PR milik CodeRabbit dan uji coba 16 developer milik METR berukuran kecil; arahnya sejalan dengan survei yang lebih besar tetapi pengali yang tepat tidak boleh digeneralisasi. Stack Overflow menerbitkan dua angka kepercayaan untuk 2025 (29% di ringkasan untuk pemimpin, 33% di halaman hasil) karena pengelompokan jawaban yang berbeda. Data code review ML Google berasal dari 2023 (data terbaru yang tersedia untuk studi internal tersebut). Kami mengecualikan estimasi ukuran pasar untuk alat code review AI karena tidak dapat memeriksa silang angkanya di antara dua firma dengan metodologi yang diungkapkan. Data baru yang diharapkan: Stack Overflow Developer Survey 2026, GitHub Octoverse 2026, dan laporan DORA 2026.
Terakhir diperbarui: 3 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika GitHub menerbitkan Octoverse 2026.