哈佛研究：AI写代码多三成 软件交付却没提速

AI 编程智能体让程序员写代码的速度飞了起来，但公司的软件交付量并没有跟着起飞。哈佛大学研究者菲奥娜·陈与詹姆斯·斯特拉顿的一项新研究显示，企业引入 AI 编程智能体后，代码产量大涨，实际交付却没有变化——省下的时间全部被代码评审吃掉了。研究基于研发分析平台 Jellyfish 的聚合数据，覆盖 700 多家软件开发企业、超过 70 万名员工自 2021 年至 2026 年 3 月的 3 亿个"工作事件"。

产出端的变化确实惊人。企业引入 AI 编程智能体后，生成的代码总行数平均增加 30%，代码提交数量增加 20%，合并请求（PR）增加 23%。但如果看 Jira 这类工具追踪的 Issues 和 Epics——也就是真正意义上的软件功能交付——解决率在统计上没有任何显著变化，交付任务的大小和复杂度分布也没有改变。

瓶颈出在评审环节。引入 AI 智能体后，一个合并请求从提交到最终并入代码库的平均耗时拉长了 49%；被打回要求修改的 PR 占比接近翻倍，每条 PR 收到的评论数增加 35%。相应地，参与代码评审的员工占比上升了 14%。换句话说，AI 写码省下的每一分钟，几乎都在下游的评审环节如数还了回去。

研究者还检查了就业影响，结论是"无法将显著的雇佣变化归因于 AI"。截至 2026 年 3 月，样本中 95% 的公司已经引入 AI 编程智能体，八成公司使用了某种形式的 AI 代码评审，但 AI 智能体只贡献了全部评审评论的约四分之一和全部合并请求的一成——检查机器产出的重活，依然压在人类工程师身上。

需要说明的是，研究数据截至今年 3 月，此后各大模型能力又有明显升级，团队对工具的用法也在成熟。但这项研究至少给"AI 让开发效率翻倍"的流行叙事泼了一盆冷水：至少在目前，AI 编程更像一把双刃剑——写得多，不代表交付得多。

编译自 Ars Technica，原标题：“AI coding agents generate more code, but not more software”