GitHub ha portato Code Quality dalla preview alla disponibilità generale, offrendo ai team di sviluppo un modo automatizzato per individuare problemi di manutenibilità e affidabilità prima che il codice venga unito. Lo strumento è disponibile su GitHub Enterprise Cloud e GitHub Team — ma non, al lancio, su Enterprise Server self-hosted.

Il determinismo incontra l’IA

Code Quality abbina CodeQL, il motore di analisi statica deterministica di GitHub, al rilevamento assistito dall’IA per far emergere i problemi direttamente nelle pull request. La combinazione è il fulcro dell’offerta: analisi basata su regole per la precisione, più l’IA per segnalare i problemi più sfumati di manutenibilità e affidabilità che le regole deterministiche non colgono — verificati nel momento in cui il codice viene proposto, e non dopo il rilascio.

Cosa include

La versione GA comprende dashboard a livello di organizzazione, report di copertura del codice da Cobertura XML mostrati nelle pull request, quality gate applicati tramite i ruleset di GitHub con soglie di copertura, API REST per abilitare repository e recuperare i risultati, e suggerimenti di Copilot Autofix — gli ultimi disponibili senza un abbonamento separato a Copilot.

Il prezzo

Code Quality costa 10 dollari per ogni committer attivo al mese — conteggiando gli sviluppatori attivi negli ultimi 90 giorni ed escludendo i bot — più la fatturazione basata sull’uso per il rilevamento alimentato dall’IA e Autofix, oltre che per il compute di Actions che esegue le scansioni CodeQL. Non si tratta di una tariffa fissa; un uso intensivo dell’IA aumenta il conto.

Le prove offerte da GitHub

Per sostenere la tesi, GitHub cita il proprio dogfooding: nella sua organizzazione di engineering, afferma, i team risolvono il 67,3% dei risultati di Code Quality prima di unire le pull request. Si tratta di un dato interno, non di un benchmark generalizzabile per i clienti, ma indica il flusso di lavoro previsto — intercettare i problemi in fase di revisione, quando costano meno da correggere, invece che in produzione.