יותר מ־40% מבקשות השינוי בקוד שנפתחו ב־GitHub בספטמבר 2026 התחילו בטיוטה שהכין סוכן בינה מלאכותית, לעומת 17% במרץ. כך עולה מדוח Octoverse 2026 שפרסמה הפלטפורמה ב־28 באוקטובר. הנתון ממחיש עד כמה כלי AI הפכו לחלק מעבודת התכנות היומיומית, אך אינו אומר ש־40% מכל שורות הקוד נכתבו בידי מכונה — או שבדיקת הקוד בידי אדם כבר אינה נחוצה.

תמונה ראשית: עמדת פיתוח תוכנה — צילום ארכיון להמחשה.

חמישה דברים שצריך לדעת

• שינוי מהיר: שיעור בקשות השינוי ב־GitHub שהתחילו בסוכן AI עלה מ־17% במרץ ליותר מ־40% בספטמבר 2026.
• היקף ענק: לפי החברה, סוכנים פתחו כ־110 מיליון בקשות שינוי בספטמבר לבדו — פי שישה בקירוב לעומת מרץ.
• יותר פעילות: ב־12 החודשים שהסתיימו בספטמבר נרשמו 17.9 מיליארד פעולות דחיפת קוד ו־1.3 מיליארד בקשות שינוי שמוזגו.
• מפתחים עדיין מעורבים: הבקשה שנוצרה בידי סוכן עוברת בדיקה והחלטה של מתחזקי הפרויקט; נתוני המיזוג אינם מדד ישיר לאיכות או לבטיחות.
• השפה המובילה: TypeScript נשארה שפת התכנות המובילה ב־GitHub לפי מספר תורמים, לפני Python ו־JavaScript.

מה זה בעצם אומר ש־AI התחיל בקשת שינוי?

ב־GitHub, בקשת שינוי — pull request — היא הצעה לשלב קוד חדש או מתוקן בפרויקט. לעיתים היא מתקנת שגיאה קטנה, ולעיתים היא משנה עשרות קבצים. בשיטת העבודה המתפתחת, מפתח אנושי מגדיר משימה לסוכן AI, הסוכן מכין את השינוי הראשוני, ואדם או מערכות בקרה נוספות בודקים אם לאשרו.

לפי דוח Octoverse הרשמי של GitHub, ספטמבר היה חודש שבו סוכנים החלו יותר מ־40% מבקשות השינוי. זהו מדד של דרך תחילת העבודה — לא של שיעור הקוד שנכתב אוטומטית, של איכות המוצר הסופי או של ביטול תפקידי המתכנתים.

גם היקף העבודה הכולל גדל

GitHub מדווחת על 17.9 מיליארד פעולות push במהלך השנה הנבדקת, יותר מהנתון המצטבר בשתי השנים הקודמות יחד. מספר פעולות commit הגיע ל־34.3 מיליארד, ואילו מספר בקשות השינוי שמוזגו הסתכם ב־1.3 מיליארד. חשוב לא לבלבל בין שלושת המדדים: פעולה של שמירת שינוי מקומי אינה זהה להעלאתו לשרת או למיזוג רשמי לפרויקט.

בקרב המשתמשים הפעילים החודשיים של GitHub Copilot, כ־55% השתמשו בתכונות סוכן, לעומת 35% שנה קודם. 61% ממשתמשי Copilot נעזרו ביותר ממודל AI אחד בספטמבר. כלומר, מעבר לשאלה אם להשתמש בבינה מלאכותית, מפתחים מתחילים לבחור כלים שונים למשימות שונות.

יותר קוד, אבל האם הוא גם טוב יותר?

הדוח מצא שכ־87% מבקשות השינוי שזוהתה בהן מעורבות של סוכן נגעו בכמה קבצים, לעומת כ־79% בבקשות שלא זוהתה בהן מעורבות כזו. בספטמבר, כ־90% מבקשות השינוי שבהן היו מעורבים סוכנים מוזגו בתוך שבועיים, לעומת כ־86% מהבקשות בקבוצת ההשוואה.

עם זאת, מיזוג מהיר אינו בהכרח הוכחה לקוד אמין או בטוח יותר. הממצאים עשויים להיות מושפעים מסוג המשימות, מהאופן שבו החברה מזהה סוכנים ומתרבות העבודה בפרויקטים שונים. ככל שקל יותר לייצר שינויים, גדל גם הצורך בבדיקות, בסריקות אבטחה ובמפתחים שמבינים את ההשלכות העסקיות והטכניות.

האם מקצוע התכנות משתנה?

האפשרות לייצר גרסאות ראשונות במהירות יכולה לשנות את האופן שבו צוותים מחלקים משימות. במקום לכתוב כל שורת קוד מהתחלה, המפתח עשוי להשקיע יותר זמן בהגדרת הבעיה, בבדיקת התוצאה ובאינטגרציה עם מערכות קיימות. באותה מידה, טעויות שמופצות במהירות עלולות ליצור חוב טכנולוגי חדש אם בדיקות האיכות אינן מתפתחות בהתאם.

גם בחירת שפת התכנות מושפעת מכלים חדשים. לפי GitHub, TypeScript, Python ו־JavaScript הן השפות המובילות במספר התורמים, אך החברה עצמה מזהירה שאין להסיק מהנתונים שמודל אחד טוב באופן גורף ממודל אחר או ששפה כלשהי מתאימה לכל פרויקט.

הזווית הישראלית

לחברות תוכנה ישראליות, לצוותי פיתוח מרוחקים ולמי שמחפשים עבודה בתחום, המשמעות היא צורך גובר בהיכרות מעשית עם סוכני AI — לצד יסודות תכנות, ביקורת קוד והגנת מידע. הדוח עוסק בפעילות גלובלית ואינו מספק בסיס לקביעה מהו שיעור האימוץ המדויק בקרב מתכנתים בישראל.

להרחבה על הצד הפחות נוצץ של שימוש ב־AI: הכתבה שלנו על פרצות אבטחה ב־PHP והשלכותיהן על אתרי וורדפרס, וכן הסיקור על גילוי סיכוני AI בחברות ציבוריות.

אחרי מה לעקוב?

בדוחות הבאים יהיה חשוב לבחון לא רק את נפח הקוד אלא גם נתוני אבטחה, תיקון תקלות, שיעור השינויים שנדחים אחרי סקירה, והשפעת השימוש בסוכנים על עובדים ומעסיקים. אלה מדדים חיוניים כדי להבין האם הזינוק בפעילות מייצר תועלת כלכלית אמיתית.

מקור עיקרי: GitHub Octoverse 2026, שפורסם ב־28 באוקטובר 2026. הנתונים מתייחסים בעיקר לשנת הפעילות שהסתיימה ב־30 בספטמבר 2026; הכתבה הוכנה ב־2 בנובמבר.