"TODO: Repareer de rommel die Gemini heeft gemaakt": Op weg naar het begrijpen van door GenAI veroorzaakte zelf-toegegeven technische schuld
"TODO: Fix the Mess Gemini Created": Towards Understanding GenAI-Induced Self-Admitted Technical Debt
January 12, 2026
Auteurs: Abdullah Al Mujahid, Mia Mohammad Imran
cs.AI
Samenvatting
Naarmate grote taalmodellen (LLM's) zoals ChatGPT, Copilot, Claude en Gemini worden geïntegreerd in software-ontwikkelwerkstromen, laten ontwikkelaars steeds vaker sporen van AI-betrokkenheid achter in hun codecommentaren. Onder deze commentaren zijn er sommige die expliciet zowel het gebruik van generatieve AI als de aanwezigheid van technische tekortkomingen erkennen. Op basis van een analyse van 6.540 codecommentaren die verwijzen naar LLM's, afkomstig van openbare Python- en JavaScript-gebaseerde GitHub-repositories (november 2022-juli 2025), identificeerden we 81 commentaren die eveneens zelf toegeven technische schuld (SATD) bevatten. Ontwikkelaars beschrijven meestal uitgestelde tests, onvolledige aanpassing en een beperkt begrip van door AI gegenereerde code, wat suggereert dat AI-ondersteuning zowel beïnvloedt wanneer als waarom technische schuld ontstaat. Wij introduceren de term 'GenAI-geïnduceerde zelf toegeven technische schuld' (GIST) als een voorgesteld conceptueel kader om terugkerende gevallen te beschrijven waarin ontwikkelaars door AI gegenereerde code opnemen, terwijl zij expliciet onzekerheid uiten over het gedrag of de correctheid ervan.
English
As large language models (LLMs) such as ChatGPT, Copilot, Claude, and Gemini become integrated into software development workflows, developers increasingly leave traces of AI involvement in their code comments. Among these, some comments explicitly acknowledge both the use of generative AI and the presence of technical shortcomings. Analyzing 6,540 LLM-referencing code comments from public Python and JavaScript-based GitHub repositories (November 2022-July 2025), we identified 81 that also self-admit technical debt(SATD). Developers most often describe postponed testing, incomplete adaptation, and limited understanding of AI-generated code, suggesting that AI assistance affects both when and why technical debt emerges. We term GenAI-Induced Self-admitted Technical debt (GIST) as a proposed conceptual lens to describe recurring cases where developers incorporate AI-generated code while explicitly expressing uncertainty about its behavior or correctness.