I kodgranskarens tjänst

När en mjukvaruutvecklare har skapat en ny funktion i en produkt, eller ändrat en del av en kod för att åtgärda en bugg, skickas koden ut i ett granskningsverktyg för andra utvecklare att utvärdera. Här kommenterar och röstar granskarna om nästa steg i utvecklingen. Första gången kodgranskning beskrevs i forskningslitteraturen 1979 handlade granskning om att skriva ut kod på papper och manuellt gå igenom den i formella möten. I dag använder 95 procent av mjukvaruföretagen ett av de fem stora kodgranskningsverktygen på marknaden.

– Verktygen för att skapa kod har utvecklats enormt under senaste åren, men samtidigt har utvecklingen av kodgranskningsverktygen i princip stått still. Det har lett till stora skillnader mellan kodgranskarnas behov och de funktioner kodgranskningsverktygen kan erbjuda, säger Lo Gullstrand Heander, doktorand inom Programvaruteknik på Institutionen för datavetenskap.

I och med att kodningsverktygen tagit stora kliv framåt, speciellt när det gäller att automatiskt skapa och förstå kod med hjälp av AI, har svaret från både industri och akademi varit att automatisera även kodgranskningen.

– Med AI-baserad kodgranskning finns då två vägar att gå, antingen att bygga upp kodgranskningssystem där AI tar över uppgifter helt, eller att bygga system där vi med AI stöttar människan som utför uppgiften på bästa sätt, säger Lo Gullstrand Heander.

Lo Gullstrand Heander undersöker den sociala delen av kodgranskning, och befarar att de positiva sociala effekter som kodgranskningsprocesser har kommer att gå förlorade om kodgranskning automatiseras helt. I sin forskning för licentiatavhandling har Lo Gullstrand Heander genomfört etnografiska studier på ett mjukvaruföretag med observation och intervjuer med kodgranskare för att närmare titta på vad som händer i huvudet på en kodgranskare då denna utför sitt arbete. Resultaten befäster bilden av att kodgranskning till stor del är en social aktivitet, med stort informationsutbyte där beteenden och beslutfattande påverkas av förväntningar, teamkultur och sociala interaktioner. Forskarna har nu skapat en beskrivning av kodgranskning baserad på de mentala processerna hos kodgranskare. Modellen kan ge bättre förståelse för kodgranskningsprocessen i sig och stötta utveckling av kodgranskningsverktygen, men kan också fungera som utgångspunkt till beslutsstöd för både människa och AI.

Förståelse och lönsamhet

Forskarna föreslår en prototyp för ett system för kodgranskning, där flera små AI-modeller arbetar tillsammans för att stötta kodgranskaren i arbetet. För att en AI ska kunna bidra till kodgranskning behöver den först läras upp, och små modeller kräver mindre energi och resurser än en stor språkmodell, både under träning och själva användandet. Resultaten av kodgranskningen kommer troligen också bli bättre, då en liten modell kan specialiseras på en viss deluppgift, som till exempel kodförståelse eller att läsa buggrapporter.

Fungerande kodgranskningsrutiner och utvecklingsteam leder inte bara till bättre kodkvalitet och arbetsklimat för mjukvaruutvecklare, utan också till större lönsamhet:

– Årliga rapporter från industrin visar på att de utvecklingsteam som är bäst på kodgranskning levererar upp till 50 procent mer i produktvärde jämfört med team som inte har en fungerande kodgranskningsprocess. Effekterna är så stora att de är svåra att förklara enbart med att teamen levererar tekniskt bra kod, och därför är det lämpligt att undersöka kodgranskning och det interpersonella i den med socialvetenskaplig metod, säger Lo Gullstrand Heander.

Nästa steg i forskningen är att utveckla kodgranskningssystem med AI-stöd i liten skala och att utvärdera det i industrin. Även att titta vidare på kodgranskares strategier för att hantera olika hinder i arbetet, så som både brist på och överflöd av information intresserar Lo Gullstrand Heander och kollegorna.