논문 세 편의 생산성 숫자가 다를 때, 평균내기 전에 볼 조건

R02 · 제공 예제의 브라우저 화면 · 합성 작업 자료

세 연구의 조건을 맞춰 읽기

자료·근거 위치 대상·작업 비교와 측정값 보고된 결과
Peng · Study Design, Results 개발자 95명 모집, JavaScript HTTP 서버 과제 Copilot 접근 유무, 테스트 통과까지의 시간 완료 시간 55.8% 단축; 보고 CI 21~89%
Cui · 1·2절, 각주 4 기업 3곳, 개발자 4,867명 무작위 접근 배정, 실제 사용 효과의 IV 추정, 주간 완료 작업량 26.08% 증가; 표준오차 10.3%p
Becker · 2·3절, 4.1절 숙련 개발자 16명, 익숙한 저장소의 246개 작업 작업별 AI 허용/불허, 검토 후 수정 포함 완료 시간 19% 증가, 즉 이 조건에서 느려짐

같은 점: 사람과 AI 도구의 작업을 비교해요. 다른 점: 과제·측정 단위·사용 방식·추정 대상이 달라요. 세 숫자의 단순 평균은 계산하지 않았어요.

R02 · 제공 예제의 브라우저 화면 · 합성 작업 자료

보고서에 넣을 결론과 보류한 설명

구분 완성 문장 이유
말할 수 있음 연구별 생산성 효과는 조사한 작업과 측정 기준 안에서 해석해야 한다. 시간과 산출량을 별도 열로 추출했음
말할 수 있음 우리 팀 도입 검토에는 검토·수정 시간을 포함한 완료 기준이 필요하다. 예제의 의사결정 목적에서 도출한 제안
아직 말할 수 없음 숙련도 하나가 연구 결과의 차이를 만들었다. 연구 사이에 도구·과제·환경도 함께 다름
아직 말할 수 없음 세 연구를 평균내면 우리 팀의 예상 생산성 향상률을 알 수 있다. 추정 대상과 단위가 호환되지 않음

다음 자료: 우리 팀의 작업 종류, 익숙한 코드 비중, 검토·수정에 쓰는 시간을 먼저 기록해요.