研究：AI 编程智能体产出更多代码，却未带来更多软件

核心事实

据 Ars Technica 报道，哈佛大学研究人员 Fiona Chen 与 James Stratton 利用工程团队分析平台 Jellyfish 的汇总数据，考察了 AI 编程工具对软件开发产出的实际影响。样本覆盖 2021 年至 2026 年 3 月期间、700 多家相关软件开发企业的 70 余万名员工，包含约 3 亿条“工作事件”（如提交与拉取请求）以及问题管理软件数据。

研究显示，企业引入 AI 编程智能体后，代码总行数平均增加 30%，提交总数增加 20%，拉取请求数量增加 23%。但由 Jira 等工具跟踪的问题与史诗级需求（即整体软件功能）的解决率，在引入 AI 工具后没有出现统计上显著的变化；研究人员也未发现这些需求在规模或复杂度上出现结构性变化。

背景与影响

研究把差异归因于代码评审环节。引入 AI 编程智能体后，从拉取请求提交到合并的平均“评审流程”时间平均拉长 49%；需要修改的拉取请求占比接近翻倍，每个拉取请求的评论数增加 35%。与此同时，从事代码评审的员工占比上升 14%。研究人员称，无法将显著的就业变化归因于 AI。

研究还发现，AI 在评审环节的介入仍然有限：截至 2026 年 3 月，80% 的受测企业使用了某种形式的 AI 代码评审，但 AI 智能体只贡献了全部评审评论的 23.3% 和全部拉取请求的 10.8%。研究者的结论是，编码阶段获得的效率提升被生产流程下游的约束“吸收”了。

限制与来源

该研究基于 Jellyfish 的汇总分析数据，并以 GitHub 活动分析等方式判断企业何时引入 AI 编程助手或智能体，方法上依赖“双重差分”回归。研究数据截止于 2026 年 3 月，此后 AI 编程智能体的能力已有多次更新；研究也提到，95% 的受测企业已部署 AI 编程智能体，许多团队仍在摸索何时、如何部署更合适。上述结论来自该研究的特定样本与时间窗口，不宜直接外推到所有团队。本文信息源自 Ars Technica 的报道，具体数据与方法细节请以原始研究与相关平台官方信息为准。