General Motors tredubblade kodgranskningar med hjälp av AI-agenter

General Motors (GM) division för autonoma fordon har omstrukturerat sina ingenjörsprocesser med hjälp av AI-agenter. Denna omställning har resulterat i en tredubbling av antalet sammanslagna pull requests (merged pull requests), snabbare releaser och en minskning av defekter som når senare utvecklingsstadier.

Rashed Haq, GM:s vice vd för autonoma fordon, uppgav att mjukvaruutvecklare tidigare ägnade endast cirka 15% av sin tid åt att skriva kod. Resterande 85% av tiden användes till uppgifter som dataanalys, problemlösning, experiment och testning av korrigeringar. AI-agenter har nu integrerats för att påskynda dessa bredare processer.

Huq betonade att de betydande resultaten uppnåddes genom att designa om hela ingenjörsflödena kring AI-agenter, snarare än att enbart lägga till kodningsassistenter. Att bara erbjuda en chatbot för kodning lämnar fortfarande många ineffektiviteter kvar i processen menade han.

GM genomförde förändringen genom att dela upp arbetet med autonoma fordon i flera cykler, inklusive utveckling och testning i simulering, körprov på allmänna vägar samt övervakning av fordon efter leverans. För varje cykel identifierades den längsta flaskhalsen som sedan automatiserades. AI-agenterna fick tillgång till företagets interna verktyg och enorma datamängder via anpassade servrar och fick instruktionsdokument för att utföra specifika uppgifter.