GitHub新增Copilot功能参与统计，企业复核AI投入有了更细口径
2026-09-17，GitHub在Copilot impact dashboard中新增功能参与统计，并把同一28天口径加入企业和组织报告API，管理员可查看活跃用户对代码补全、代码审查和CLI等功能的使用拆分。
2026-09-17，GitHub在Copilot impact dashboard中新增功能参与统计，并把同一28天口径加入企业和组织报告API，管理员可查看活跃用户对代码补全、代码审查和CLI等功能的使用拆分。（来源 1）
已确认的关键事实
GitHub确认，Copilot影响面板现在展示活跃用户经常使用关键Copilot功能的人数；企业和组织报告API也新增同一套28天功能参与拆分。该指标的基本口径是，在28天期间内，活跃用户至少有两天使用某个纳入统计的功能，才会计入该功能参与数。（来源 1）
新增的报告对象包括copilot_feature_engagement和totals_by_feature，后者把参与情况拆到代码补全和agent edit，被动Copilot代码审查和主动Copilot代码审查，另有Copilot cloud agent、Copilot CLI和Copilot app。GitHub还改进了AI adoption phase报告，新增users_in_phase_28d，用于按每个报告日给出各阶段完整滚动28天人群。（来源 1）
GitHub同时给出多项边界：功能参与数据只在企业和组织28天聚合报告中可用，没有加入用户级报告；同一用户可以被计入多个功能；users_in_phase_28d和total_engaged_users都是聚合计数，不识别个人。权限方面，数据面向enterprise owners、billing managers、organization owners，以及拥有View Copilot Metrics权限的自定义角色，且必须启用Copilot usage metrics policy。（来源 1）
为什么值得关注
对企业而言，这次变化是把“买了Copilot之后具体哪些功能被持续使用”拆得更细。公开材料未显示GitHub宣布涨价或新增付款额度。GitHub称，企业领导者可据此看到哪些Copilot功能正在进入开发者常规工作流，并把培训或配置调整集中在采用较低的位置。对预算复核来说，这类数据可与订阅席位和API消费，或内部项目成本台账并排查看，但不能直接替代金额账单。（来源 1）
企业在看这组数据时需要避免把功能人数简单相加。GitHub明确说同一用户可被计入多个功能，因此代码补全、CLI和代码审查的参与数相加，并不等于独立使用人数，也不能直接推出每个团队的单位任务成本。更稳妥的做法，是把它视为功能采用情况的信号，观察哪些体验被持续使用，哪些还需要培训或配置调整。（来源 1）
AI分析产品厂商Exceeds AI的首席执行官Mark Hull在此前的测量方法分析中提醒，采用率本身不能证明ROI，团队还要追踪生产率提升和周期时间，以及缺陷率和长期代码稳定性。文章还指出，同一个“采用率”可能使用不同分母，例如激活许可证的工程师和当月使用过AI的工程师，被AI触达的任务或AI生成代码行。（来源 2）
仍待确认
这份GitHub公告聚焦功能参与人数，没有给出每个项目的成本或消费金额。企业仍无法由这组参与统计判断账单如何变化，也不能据此算出实际投资回报。复核预算时，功能参与数据需要与已有的订阅、付款记录和交付结果分别核对。（来源 1、来源 2）
GitHub还说明，users_in_phase_28d在阶段人群未被测量时会被省略，0则表示已经测量但没有用户；copilot_feature_engagement对象在计算不可用时可能缺失或为null。企业做月度或季度复核时，不能把缺失、null和0混为一谈，否则可能误判某个团队没有使用，或误判某类功能突然归零。（来源 1）
仍需后续确认的是，企业是否会把这些聚合指标接入内部FinOps、采购或研发效能系统，以及这些指标与实际交付质量之间是否出现稳定关系。Exceeds AI文章指出，多工具使用和单一供应商仪表盘会形成盲点；若团队同时使用多种AI编码工具，只看Copilot面板可能低估或错配整体AI影响。（来源 2）
后续观察
基准情景下，这次更新会让企业从“席位是否启用”进一步走向“哪些Copilot功能被持续使用”的复核。对采购和财务团队，较可操作的信号是把28天功能参与数和席位分配，以及团队项目周期和发票金额放在同一张对账表中，识别培训不足、配置不当或功能覆盖偏窄的问题，而不是仅凭一个采用率决定续约或停用。（来源 1、来源 2）
乐观情景是，企业用这些拆分指标发现低采用功能后，通过培训或配置调整提高有效使用密度，进而让同一订阅支出覆盖更多真实工作流。审慎情景是，功能参与人数上升但周期时间、返工率和缺陷率没有同步改善，甚至只是更多用户打开了功能却未形成可交付产出。Exceeds AI也提示，打开聊天窗口但忽略建议的用户，与把AI生成代码交付到生产环境的用户，代表的是不同信号。（来源 2、来源 1）
可能推翻上述判断的新证据包括：GitHub后续公布与价格和Token消耗，以及账单金额或项目级成本直接相关的新字段；企业内部数据显示功能参与提升与周期时间、缺陷率和返工率持续同向改善；或相反，功能参与持续上升但实际交付指标没有改善。（来源 2）
VMCardio 观察
功能参与数据可以帮助企业核对AI工具的使用情况。复核订阅支出时，还应对照实际付款记录和交付结果，判断当前投入是否符合团队需要。
参考资料
- 来源 1：Copilot impact dashboard now shows feature engagement，The GitHub Blog，2026-09-17T21:47:27.000Z
- 来源 2：What Does 30% AI Adoption Mean for Engineering Teams?，Exceeds AI，2026-04-29T14:37:01.000Z