GitHub misura anche l’uso di Copilot da OpenCode: le nuove metriche per i team

Aggiornamento del 23 ottobre 2026. GitHub ha esteso le API delle metriche di utilizzo di Copilot per includere il traffico verso i modelli generato da altri strumenti, fra cui OpenCode. Per le organizzazioni che adottano più ambienti di programmazione assistita dall'AI, significa poter leggere dati più completi senza limitarsi alle statistiche provenienti dagli editor tradizionali.

Il cambiamento riguarda la misurazione dell'uso del servizio e non introduce, di per sé, una nuova capacità di scrittura del codice. La distinzione è utile perché i team potrebbero usare lo stesso provider di modelli attraverso più interfacce.

Che cosa cambia nei report Copilot

GitHub introduce un array chiamato totals_by_client nei report relativi a imprese, organizzazioni e singoli utenti delle rispettive entità, sia nelle viste di un giorno sia in quelle di 28 giorni. Nei report aggregati a 28 giorni, l'informazione compare all'interno dei totali giornalieri.

Il campo client indica il software da cui proviene l'attività. Fra i valori citati nell'annuncio figurano opencode, claude_code, codex, copilot_cli, vscode e jetbrains. I client non riconosciuti vengono raggruppati sotto other.

Richieste, sessioni e token: tre numeri diversi

I nuovi report presentano indicatori come numero di richieste riuscite, sessioni distinte e token utilizzati. Sono misure complementari: una singola domanda di uno sviluppatore può produrre varie chiamate al modello, soprattutto se lo strumento esegue più passaggi per analizzare un problema o modificare diversi file.

Un valore elevato di request_count non significa automaticamente più produttività. Potrebbe riflettere un processo complesso, tentativi ripetuti o un modello di interazione diverso. La valutazione del lavoro completato richiede altre evidenze: qualità del codice, test, difetti, risultati e tempi.

Confronto per modello e modalità di scelta

GitHub rende disponibile anche una suddivisione per modello, accompagnata dalla modalità di selezione quando identificabile. Il modello può essere scelto dall'utente, automaticamente oppure dal prodotto. Alcuni valori rimangono unknown o other quando non possono essere normalizzati.

Questo permette analisi più articolate, ma richiede prudenza: strumenti diversi possono inviare un numero differente di richieste per eseguire attività apparentemente simili. Confrontare soltanto i token senza conoscere il contesto rischia di produrre conclusioni fuorvianti.

Perché interessa chi coordina più agenti AI

Un team può utilizzare un editor per la manutenzione ordinaria, un ambiente a riga di comando per i test e un agente per attività complesse. La nuova metrica aiuta a capire dove si concentra l'utilizzo dei modelli Copilot e quali integrazioni richiedono supporto, governance o una revisione dei costi.

Va però ricordato che totals_by_client misura il traffico verso i modelli, mentre altre metriche possono descrivere le attività eseguite dagli agenti su GitHub. Una sessione con molte richieste non equivale necessariamente a un numero corrispondente di problemi risolti o pull request completate.

Disponibilità e limiti di accesso

La novità è destinata ai report amministrativi di enterprise e organizzazioni. Secondo GitHub, possono leggerli i ruoli autorizzati, compresi alcuni amministratori e utenti dotati del permesso View Copilot Metrics, con la relativa policy abilitata.

L'azienda precisa inoltre che l'identificazione del client è basata sull'integration ID trasmesso dalla richiesta: è dunque un raggruppamento operativo, non una prova crittografica dell'identità del programma. I report non vengono trasformati automaticamente in un sistema di audit perfetto.

Una piccola checklist per interpretare i dati

Prima di usare queste statistiche per decisioni tecniche o economiche, è utile verificare periodo osservato, permessi del report, strumenti integrati con Copilot, differenza tra richieste e prompt, ripartizione per modello e ragioni degli eventuali valori sconosciuti. Il risultato sarà più utile se confrontato con dati concreti di sviluppo, non con classifiche di consumo prese isolatamente.

Fonte e nota editoriale

Fonte ufficiale: GitHub Changelog, 23 ottobre 2026. Il testo è un approfondimento su un aggiornamento già pubblicato il 23 ottobre e non viene presentato come notizia dell'ultima ora.

Redazione Quotidiano Digitale — Sikelia Labs. Articolo originale di analisi preparato il 26 ottobre 2026.