Este documento desarrolla y experimenta con un agente LLM de sondeo de diseño llamado Codellaborator para evaluar el impacto de la asistencia proactiva y predictiva de los agentes de IA en la eficiencia de la programación durante el proceso de programación. Codellaborator inicia la asistencia de programación basándose en la actividad del editor y el contexto de la tarea. Comparamos y analizamos las ventajas y desventajas de la asistencia de IA en tres variaciones de interfaz: agentes de solo indicaciones, proactivos y proactivos con presencia y contexto. Experimentos con 18 participantes revelaron que los agentes proactivos mejoraron la eficiencia en comparación con los enfoques de solo indicaciones, pero también introdujeron interrupciones en el flujo de trabajo. Sin embargo, los indicadores de presencia y el soporte del contexto de interacción mitigaron estas interrupciones y mejoraron la conciencia de los usuarios sobre el proceso de IA. En conclusión, nuestro estudio contribuye a la exploración y evaluación del diseño de sistemas de IA proactivos y sugiere implicaciones de diseño para flujos de trabajo de programación integrados en IA. También destacamos las compensaciones entre el control del usuario, la propiedad y la comprensión del código, lo que sugiere que la asistencia proactiva debe adaptarse al proceso de programación.
