Agenterna öppnar pull requests

Den 28 oktober publicerade GitHub Octoverse, sin årliga rapport om aktiviteten på plattformen, och en rad sticker ut: i september 2026 började mer än 40 procent av alla pull requests på GitHub med ett första utkast från en agent, upp från 17 procent i mars. Det var 110 miljoner pull requests bara i september. Samma dag, på sin konferens Universe, släppte GitHub Copilot Projects som offentlig förhandsversion och gjorde Agentic Workflows allmänt tillgängligt.

En vecka senare köpte Meta Conductor, en startup byggd för att köra flera kodagenter samtidigt. Tillsammans pekar nyheterna åt ett håll: att skriva kod är inte längre den knappa delen av att göra programvara. Att specificera den, granska den, testa den och svara för den är det.

Vad GitHub räknade

Det här är GitHubs egna siffror, uppmätta på den egna plattformen, och de bör läsas så. Octoverse räknar en pull request som startad av en agent när dess första utkast kom från en kodagent som GitHub kan upptäcka, och rapporten kallar den signalen ”ett golv, eftersom all användning av agenter kanske inte upptäcks.” Den omfattar offentliga och privata repon, och siffrorna för tidigare år har räknats om på samma grund.

Rapporten säger också att agenternas pull requests nu slås ihop minst lika ofta som de andra. I februari slogs 83 procent av pull requests med agentinblandning ihop inom två veckor, mot omkring 86 procent av dem utan en upptäckt agent; i september hade andelen för agenter nått 90 procent. De är också bredare: omkring 87 procent ändrar mer än en fil, mot 79 procent av de andra. Enligt vår läsning visar en sammanslagning att en granskare har godtagit en ändring, inte att ändringen var rätt.

Fler agenter per person

Produkterna som GitHub lanserade samma dag utgår från att den här andelen fortsätter att växa. Copilot Projects ger arbete som sträcker sig över flera repon en gemensam plats för sammanhang, agenter och resultat. Du beskriver ett mål, Copilot kör agenter parallellt, ”hör av sig när den behöver dig” och kommer tillbaka med resultat som pull requests för din granskning. Med Agentic Workflows kan ett team beskriva uppgifter som sortering av ärenden eller analys av ett misslyckat bygge i Markdown och låta en kodagent utföra dem i GitHub Actions, med skrivskyddade behörigheter som standard och ett separat jobb som granskar föreslagna ändringar innan de tillämpas.

GitHubs inlägg från Universe beskriver arbetsfördelningen i en mening: ”Utvecklare sätter riktningen, fattar besluten och förblir ansvariga för det som levereras.” En analytiker som citeras av InfoWorld förklarade vad det betyder i praktiken. ”Tio parallella agentsessioner kan till exempel generera tio pull requests som behöver granskas”, sa Amit Kumar Jena, som leder AI-utvecklingen på konsultföretaget Kanerika.

Sjuttio procent är inte klart

Ett nytt test utanför GitHub visar varför granskningen inte kan hoppas över. Den 26 oktober publicerade forskare från Alibaba och flera universitet Co-Design Bench: 273 uppgifter hämtade från 26'314 verkliga kodsessioner från användare, var och en kontrollerad mot dolda acceptanskriterier skrivna av experter, 2'331 totalt. Den starkaste av tio modeller, körd i samma agentuppsättning, uppfyllde i genomsnitt 69,9 procent av kriterierna per uppgift, men klarade bara 26,4 procent av uppgifterna fullt ut. The Decoder, som rapporterade om studien den 8 november, skrev att kodagenter fortfarande ”behöver mänsklig uppstädning i nästan tre av fyra uppgifter”.

Studien har begränsningar. Varje uppgift är en enda fast förfrågan, så agenterna kunde inte ställa frågor eller korrigeras på vägen, bedömningen görs av AI-domare som kan ha fel, och flera av författarna kommer från Alibaba, vars egen modell Qwen var bland dem som testades. Ändå är glappet som studien mäter, mellan de flesta kraven och alla krav, precis det glapp som en granskare finns till för att stänga.

Vad bra team gör nu

Inget av detta kräver nya verktyg lika mycket som gammal disciplin, tillämpad strängare. Börja med specifikationen: när en agent skriver utkastet till ändringen är den skrivna uppgiften den verkliga källan, och Jena varnade för att ”dåligt definierade uppgifter kan leda till upprepade körningar, omarbete och högre förbrukning av AI-krediter.” Skriv ner vad klart betyder innan agenten börjar, på samma sätt som Co-Design Bench sätter sina acceptanskriterier först.

Håll ändringarna så små att de går att läsa. GitHub säger att staplade pull requests, som delar upp relaterat arbete i mindre ändringar som granskas i tur och ordning, hade använts av mer än 264'000 utvecklare i september, två månader efter att förhandsversionen lanserades. Gör testerna till grinden: en ändring ska inte nå en människa förrän den klarar dem, och testerna själva förtjänar den noggrannaste granskningen, eftersom en agent som får ändra sina egna tester kan få vad som helst att gå igenom.

Utse till sist personen. Varje ändring som levereras behöver någon som har godkänt den och kan förklara den, och den någon kan inte vara agenten. Jenas råd till it-chefer är detsamma: ”kräv mänskligt godkännande innan pull requests som genererats av agenter slås ihop.”

Verktyg kan stängas av

Affären med Conductor ger en tystare lärdom. TechCrunch rapporterade den 4 november att Meta hade förvärvat startupen, grundad 2024, vars agentteam är ”utformade för att hjälpa mjukvaruingenjörer att samtidigt arbeta med separata, avgränsade delar av ett projekt”, med agenter från labb som Anthropic och OpenAI. Meta bekräftade köpet men lämnade inga villkor.

Conductors eget meddelande anger tidsplanen. Nya registreringar stoppades den 4 november, molnarbetsytorna blir skrivskyddade den 13 november, och den 20 november börjar företaget radera användardata i molnet, så kunderna har sexton dagar på sig att exportera det de har där. Skrivbordsappen fungerar tills vidare och börjar avvecklas i början av 2027. Conductor säger att företaget aldrig har sålt användardata eller tränat på dem, och erbjuder export och överföring till den lokala appen.

Inget här tyder på ond tro. Det visar hur nytt och osäkert det lager som kör agenter fortfarande är: en tjänst som rymmer dina agenters arbetsytor och chattar kan köpas upp och stängas inom några veckor. Håll det som är viktigt på platser som du kontrollerar: koden och dess historik i ditt eget repo, specifikationer och beslut nedskrivna bredvid den, och tester som varje agent måste klara, oavsett vilken leverantör som står för den.

Var vi står

Werk, vår plattform för appar, är live och byggd på den här arbetsfördelningen. AI skriver det mesta av koden på ett ramverk som vi har byggt och litar på, människor bestämmer vad som ska byggas, utformar hur det ska kännas och granskar varje release, och varje release testas. Koden är din, och plattformen fortsätter att växa under den. Nästa steg vi arbetar mot är agenter som själva levererar rutinändringar och rättningar, testade och granskade före release, vilket bara fungerar när specificeringen, testningen och granskningen redan finns på plats.