DevGhost가 개발자 생산성을 평가하는 방법

변경의 크기가 작업량을 뜻하지는 않습니다

기성 라이브러리는 몇 분 만에 추가하면서도 수천 줄의 변경을 만들 수 있습니다. 반면 몇 개 파일의 작은 동작 변경도 의존성을 이해하고, 해결책을 설계하고, 꼼꼼히 확인해야 할 수 있습니다. DevGhost는 변경 뒤에 있는 엔지니어링 작업을 추정하므로 눈에 보이는 활동량을 기여도로 대신하지 않습니다.

코드에 기반한 머신러닝

DevGhost는 머신러닝과 자체 신경망을 Git 변경 구조 분석 및 특화 알고리즘과 결합합니다. 이를 통해 공통 기준 개발자 척도로 인지적 노력을 추정합니다.

DevGhost는 코드 분석에 LLM을 사용하지 않습니다. 자체 학습 모델과 알고리즘이 추정치를 계산합니다.

• 변경된 부분 사이의 관계와 재사용의 근거를 포함해 기존 코드의 맥락에서 변경을 살핍니다.
• 기계적인 변경으로 식별된 항목과 생성된 산출물은 별도로 처리해, 그 양이 새로운 엔지니어링 작업을 대신하지 않도록 합니다.
• AI의 도움을 받은 실질적인 코드도 같은 척도로 평가합니다. 중요한 것은 코드에 담긴 결과입니다.

두 가지 변경, 서로 다른 작업

다음 공개 커밋은 diff 크기만으로 기여도를 평가할 수 없는 이유를 보여 줍니다.

기준 시간의 의미

기준은 프로젝트를 잘 알고 AI 없이 일하는 경력 3~4년의 중급 개발자입니다. 추정치는 이 개발자가 관련 코드를 이해하고, 해결책을 설계하고 구현하며, 확인하고 필요한 수정을 하는 데 필요한 작업을 포함합니다. 자체 테스트도 포함됩니다. 적절한 테스트를 실행하고 결과를 해석하며, 필요하면 동작을 수동으로 확인하고, 완료 전에 자신의 변경을 검토하는 작업입니다.

공통 척도를 사용하면 개발자의 기여도를 비교하고 시간에 따른 변화를 관찰할 수 있습니다. 기준 시간은 코드에 담긴 작업의 추정치이며 작성자가 실제로 쓴 시간이 아닙니다.

기준 시간에서 Ghost%까지

추정치를 시간에 배분하는 방식은 실증 연구와 실무 측정에 기반합니다. DevGhost는 공통 기준 척도로 결과를 비교합니다. Ghost%는 Share와 선택한 일수 계산 방식을 반영해 기준 대비 산출량을 보여 줍니다. 100%이면 산출량이 기준과 같고, 100%를 넘으면 기준을 초과합니다. AI 지원이 한 가지 이유일 수 있지만 숫자만으로 AI 사용을 입증할 수는 없습니다.

공식, Share, Spread 및 FTE

맥락을 고려하세요

여러 기간에 걸친 지속적인 결과를 살핀 다음 변경 사항과 해당 인원의 책임을 확인하세요. DevGhost는 실제 근무 시간, 코드 품질 또는 개발자의 직업적 가치 전체를 측정하지 않습니다. 분석된 변경 사항 밖의 작업도 중요합니다. 고용 관련 결정에는 독립적이고 실질적인 사람의 평가가 필요하며 Ghost%를 유일하거나 주된 근거로 삼아서는 안 됩니다.

잘 아는 프로젝트의 기록을 확인하세요

팀의 결과를 잘 아는 저장소와 기간을 선택하세요. DevGhost의 평가를 자신의 경험과 비교해 누가 크게 기여했는지, 어디에서 개발 성과가 지속적으로 기대에 못 미쳤는지, 활동 통계에서 어떤 어려운 작업이 눈에 띄지 않았는지 살펴봅니다. 개별 변경을 열어 일치하는 부분과 차이가 나는 부분을 모두 확인하세요. 이미 알고 있는 작업을 바탕으로 이 시스템이 경영 판단에 얼마나 유용한지 판단할 수 있습니다.

잘 아는 프로젝트 확인하기