El uso del asistente de programación basado en IA, GitHub Copilot, en la Calidad del Software: Una revisión sistemática de la literatura
DOI:
https://doi.org/10.33448/rsd-v15i4.50966Palabras clave:
Copilot, Calidad del Software, Desarrollo de Software, Automatización en el Desarrollo.Resumen
El objetivo de este artículo es investigar cómo la literatura científica ha reportado el uso de GitHub Copilot y su impacto en la calidad del código. La investigación se llevó a cabo mediante una revisión sistemática de la literatura, siguiendo etapas como la definición de los criterios de inclusión y exclusión, la búsqueda en bases de datos disponibles a través del Portal de Periódicos CAPES, la selección de estudios relevantes y el análisis cualitativo de los trabajos seleccionados. Se identificaron y analizaron quince estudios que abordan diferentes aspectos de GitHub Copilot, incluyendo cuestiones de seguridad, la influencia de la estructura de los prompts, los impactos en la productividad, comparaciones de rendimiento con desarrolladores humanos y los desafíos enfrentados por los usuarios. Los hallazgos destacan tanto los beneficios como las limitaciones del uso de la herramienta. La herramienta se presenta como un apoyo útil para los desarrolladores, sirviendo como un buen punto de partida y guía para las tareas de codificación. Sin embargo, debido a su tendencia a generar código inseguro y su limitada capacidad para manejar tareas complejas, no se recomienda su uso de forma aislada. Además, los resultados también dependen de cómo los desarrolladores interactúan con GitHub Copilot, ya que la confianza excesiva y los prompts mal estructurados pueden llevar a retrabajo, especialmente entre los programadores principiantes, quienes representan la principal base de usuarios de la herramienta.
Referencias
Barke, S., James, M. B., & Polikarpova, N. (2023). Grounded Copilot: How Programmers Interact with Code-Generating Models. Proceedings of the ACM on Programming Languages, 7(OOPSLA1), 85–111. https://doi.org/10.1145/3586030
Baskhad Idrisov, & Schlippe, T. (2024). Program Code Generation with Generative AIs. Algorithms, 17(2), 62–62. https://doi.org/10.3390/a17020062
ChatGPT, a inteligência artificial como você nunca viu, é a próxima revolução | Brasil. (2023, February 24). McKinsey & Company. https://www.mckinsey.com/br/our-insights/all-insights/chatgpt-e-a-revolucao-da-inteligencia-artificial?form=MG0AV3
Ensslin, L., Ensslin, S. R., & Pinto, H. de M. (2013). Processo de investigação e análise bibliométrica: avaliação da qualidade dos serviços bancários. Revista de Administração Contemporânea, 17(3), 325–349. https://doi.org/10.1590/s1415-65552013000300005
Fagadau, I. D., Mariani, L., Micucci, D., & Riganelli, O. (2024, February 13). Analyzing Prompt Influence on Automated Method Generation: An Empirical Study with Copilot. ArXiv.org. https://doi.org/10.1145/3643916.3644409
Fu, Y., Liang, P., Tahir, A., Li, Z., Shahin, M., Yu, J., & Chen, J. (2025). Security Weaknesses of Copilot-Generated Code in GitHub Projects: An Empirical Study. ACM Transactions on Software Engineering and Methodology. https://doi.org/10.1145/3716848
GitHub. (2025). GitHub Copilot · Your AI pair programmer. GitHub. https://GitHub.com/features/copilot
GitHub. (2025). What is GitHub Copilot? GitHub Docs. https://docs.GitHub.com/en/copilot/about-GitHub-copilot/what-is-GitHub-copilot
Hussein Mozannar, Bansal, G., Fourney, A., & Horvitz, E. (2024). Reading Between the Lines: Modeling User Behavior and Costs in AI-Assisted Programming. https://doi.org/10.1145/3613904.3641936
IDC - About - Home. (2019). IDC: The Premier Global Market Intelligence Company. https://www.idc.com/about
Imai, S. (2022, May 1). Is GitHub Copilot a Substitute for Human Pair-programming? An Empirical Study. IEEE Xplore. https://doi.org/10.1145/3510454.3522684
Introducing ChatGPT. (2022, November 30). OpenAI. https://openai.com/index/chatgpt/
Jyoti, R., & Schubmehl, D. (2024). Business opportunity of AI: Generative AI adoption and business impact. International Data Corporation (IDC). Recuperado de https://info.microsoft.com/ww-landing-business-opportunity-of-ai.html
Krasner, H. (2022). The cost of poor quality software in the US: A 2022 report. Consortium for Information & Software Quality. Recuperado de https://www.it-cisq.org/the-cost-of-poor-quality-software-in-the-us-a-2022-report/
Lopes, A. (2023). Introdução aos LLMs e à IA generativa. BRAINS. https://brains.dev/2023/introducao-aos-llms-e-a-ia-generativa/
Nosek, B. A., & Errington, T. M. (2020). What Is Replication? PLOS Biology, 18(3). https://doi.org/10.1371/journal.pbio.3000691
OBrien, D., Biswas, S., Sayem Mohammad Imtiaz, Rabe Abdalkareem, Emad Shihab, & Rajan, H. (2024). Are Prompt Engineering and TODO Comments Friends or Foes? An Evaluation on GitHub Copilot. https://doi.org/10.1145/3597503.3639176
Paula, J. de. (2024, April 5). Dívida Técnica: como reconhecer, entender e superar. Objective. https://www.objective.com.br/insights/divida-tecnica/
Pearce, H., Ahmad, B., Tan, B., Dolan-Gavitt, B., & Karri, R. (2022, May 1). Asleep at the Keyboard? Assessing the Security of GitHub Copilot’s Code Contributions. IEEE Xplore. https://doi.org/10.1109/SP46214.2022.9833571
Peslak, A., & Kovalchick, L. (2024). AI for coders: An analysis of the usage of ChatGPT and GitHub Copilot. Issues in Information Systems. https://iacis.org/iis/2024/4_iis_2024_252-260.pdf
Pressman, R. S., & Maxim, B. R. (2021). Engenharia de software: uma abordagem profissional (9ª ed.). AMGH.
Priberam Informática, S.A. (2024). Dicionário Priberam da Língua Portuguesa. Dicionário Priberam Da Língua Portuguesa. https://dicionario.priberam.org/revolucion%C3%A1rio
RocketCode. (2023, September 23). Entendendo a dívida técnica no desenvolvimento de software. https://rocketcode.com.br/blog/entendendo-a-divida-tecnica-no-desenvolvimento-de-software/
Sauvola, J., Tarkoma, S., Klemettinen, M., Riekki, J., & Doermann, D. (2024). Future of software development with generative AI. Automated Software Engineering, 31(1). https://doi.org/10.1007/s10515-024-00426-z
Sena, J., Barreto, A., Barbosa, J., & Alves, K. (2024). POTENCIALIDADES E DESAFIOS DO GitHub COPILOT COMO FERRAMENTA DA INTELIGÊNCIA ARTIFICIAL. P2P E INOVAÇÃO, 10(2). https://doi.org/10.21728/p2p.2024v10n2e-7031
Shi, Y., Nazmus Sakib, Hossain Shahriar, Lo, D., Chi, H., & Qian, K. (2023). AI-Assisted Security: A Step towards Reimagining Software Development for a Safer Future. https://doi.org/10.1109/compsac57700.2023.00142
Song, F., Agarwal, A., & Wen, W. (2024). The Impact of Generative AI on Collaborative Open-Source Software Development: Evidence from GitHub Copilot. ArXiv.org. https://arxiv.org/abs/2410.02091
Stack Overflow. (2024). 2024 developer survey: AI. https://survey.stackoverflow.co/2024/ai/
Usman, M., Bin Ali, N., & Wohlin, C. (2023). A Quality Assessment Instrument for Systematic Literature Reviews in Software Engineering. E-Informatica Software Engineering Journal, 17(1), 230105. https://doi.org/10.37190/e-inf230105
Vahid Majdinasab, Bishop, M. J., Rasheed, S., Arghavan Moradidakhel, Tahir, A., & Foutse Khomh. (2024). Assessing the Security of GitHub Copilot’s Generated Code - A Targeted Replication Study. https://doi.org/10.1109/saner60148.2024.00051
Vaithilingam, P., Zhang, T., & Glassman, E. L. (2022). Expectation vs. Experience: Evaluating the Usability of Code Generation Tools Powered by Large Language Models. CHI Conference on Human Factors in Computing Systems Extended Abstracts. https://doi.org/10.1145/3491101.3519665
Yetistiren, B., Ozsoy, I., & Tuzun, E. (2022). Assessing the quality of GitHub copilot’s code generation. Proceedings of the 18th International Conference on Predictive Models and Data Analytics in Software Engineering. https://doi.org/10.1145/3558489.3559072
Zhang, B., Liang, P., Zhou, X., Ahmad, A., & Waseem, M. (2023). Demystifying Practices, Challenges and Expected Features of Using GitHub Copilot. International Journal of Software Engineering and Knowledge Engineering, 1–20. https://doi.org/10.1142/s0218194023410048
Ziegler, A., Eirini Kalliamvakou, X. Alice Li, Rice, A., Rifkin, D., Simister, S., Ganesh Sittampalam, & Aftandilian, E. (2024). Measuring GitHub Copilot’s Impact on Productivity. Communications of the ACM, 67(3), 54–63. https://doi.org/10.1145/3633453
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Lais Aparecida Ferreira de Oliveira, Cristina Corrêa de Oliveira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
