哈佛研究：AI 生成代码受下游评审瓶颈制约，未转化为整体交付增长

哈佛大学基于 Jellyfish 平台对 718 家企业、70 万名员工及约 3 亿个工作事件的分析显示，尽管 AI 编程助手和智能体能显著提升代码产出量，但并未同步转化为完工工作量的增长，核心原因在于 AI 生成的代码大幅增加了开发后期的工作量，尤其是代码评审环节。研究覆盖时段为 2021 年 1 月至 2026 年 3 月，通过对比新增代码行数、提交记录和合并请求等指标发现，AI 智能体使代码行数增加 30%、提交记录增加 20%、合并请求增加 23%，但每名工程师每月解决的 Jira 工单数量仅增长 12%，远低于代码产出的增幅。

具体证据显示，引入 AI 后合并请求的平均评审时长增加了 49%，单条合并请求的评论数量增加了 53%，需要修改的合并请求占比翻了一倍，且参与评审的人员比例上升了 14%。研究团队推算工程师仅将 30% 至 40% 的时间用于写代码，其余时间投入规划、测试和部署等配套任务；当 AI 提升编码效率时，这些后续环节反而成为新的瓶颈。此外，Reddit 用户指出 AI 幻觉带来的不可靠性可能导致故障恢复时长增加，因为工程师对代码的理解变浅，排查修复难度加大。

事实层面，该研究证实了 AI 工具在编码阶段的效率提升与最终交付成果之间存在显著脱节，且评审成本随代码量增加而非线性上升。推断表明，单纯依赖 AI 生成代码而不优化下游流程（如自动化测试、智能评审辅助）无法实现整体生产力的跃升，甚至可能因代码库扩张和复杂度增加导致维护成本激增。猜测部分在于，未来评估 AI 对软件开发影响的指标可能需要从“代码产出量”转向“故障平均恢复时长”或“评审通过率”，但这仍需更多实证数据支持。