AI coding agents generate more code, but not more software
摘要：哈佛大学研究人员 Fiona Chen 和 James Stratton 基于 Jellyfish 提供的数据（涵盖 700 多家公司、逾 70 万员工、3 亿条工作事件，时间跨度 2021 年至 2026 年 3 月）分析发现，引入 AI 编程代理后，企业生成的代码行数平均增加 30%，提交次数增加 20%，拉取请求增加 23%。但 Jira 等工具追踪的软件功能（Issues 和 Epics）解决率在统计上并无显著变化。原因在于人为代码审查形成瓶颈：拉取请求从提交到合并的平均审查时间膨胀 49%，需要修改的拉取请求占比几乎翻倍，每个拉取请求的评论数增加 35%，从事审查工作的员工比例上升 14%。此外，尽管 80% 的公司已使用某种形式的 AI 代码审查，AI 代理仅贡献了 23.3% 的审查评论和 10.8% 的拉取请求，人类仍承担绝大部分审查工作。研究人员还未能将显著的就业变化归因于 AI。需要指出的是，该研究数据截止于 2026 年 3 月，AI 代理仍在快速迭代，随着团队积累经验，这种“编码提速 vs 审查耗时”的权衡可能改善。就目前而言，AI 编码工具带来的是一把双刃剑。正在加载全文