哈佛研究：AI代码量增30% 软件交付未增加

时间：2026年10月9日 Ars Technica 发布长篇报道，作者 Fiona Chen 与 James Stratton 的工作论文《Artificial Intelligence in the Firm: Bottlenecks in Software Production》于 2026 年 8 月定稿，已在哈佛经济系、The Economist 等学术场合作报告。 地点：美国马萨诸塞州剑桥（哈佛大学），Jellyfish 工程分析平台汇总的覆盖 700 多家软件公司、超过 70 万名工程师的工程遥测数据集。 人物：哈佛大学商务经济学博士生 Fiona Chen 与 James Stratton；Jellyfish 工程分析平台数据团队；Fiona Chen 此前为 MIT 数字经济实验室访问学生；本研究由 Stripe Economics of AI Fellowship、Schmidt Sciences AI at Work Program 资助。 事件详情：研究团队基于 Jellyfish 平台 2021 至 2026 年 3 月的 3 亿次"工作事件"——包括 commit、pull request、Jira issue 与 epic、GitHub 活动、Google Calendar 排期等——以 staggered difference-in-differences 设计，对比 718 家公司在引入 AI 编码助手与 AI 编码代理前后的工作流变化。 主要发现如下：引入 AI 编码代理后，企业总代码行数平均增加 30%，commit 增加 20%，pull request 增加 23%；Jira Issues/Epics 完成率未发生统计显著变化，任务规模与复杂度也未出现结构性改变；pull request 提交到合并的平均时间延长 49%；需要修改回炉的 PR 占比近翻倍，每个 PR 留下的评论数上升 35%；承担代码审查的员工占比提升 14%。截至 2026 年 3 月，95% 的样本企业已部署 AI 编程代理，80% 已使用某种形式的 AI 代码审查，但 AI 仍只贡献了 23.3% 的审查评论与 10.8% 的 pull request，绝大多数审查工作仍由人完成。把 Jellyfish 数据与 LinkedIn 职业轨迹数据交叉比对，研究者无法把"显著就业变化"归因于 AI。 背景：研究核心洞察是"瓶颈漂移"——AI 让代码生成阶段变快，负担却转移到了代码审查等下游环节。Fiona Chen 与 James Stratton 在论文里建立了一个软件生产模型，把 AI 对"生产力"与"中间产出质量"的双重影响同时纳入考量：当 AI 加速产出却降低单步质量时，系统必须以"更长、更复杂的人工审查"消化这部分变化，于是上游省下的时间被下游吞噬。这与 Faros AI《2026 AI 工程报告》覆盖 2.2 万开发者、报告审查中位时间上涨 441% 的发现方向一致；与 METR 2025 年的随机对照试验"开发者用 AI 反而慢了 19%、但自认快 20%"在认识论上互为补充。研究刻意排除了 self-report 偏差，专注 commit 级与 PR 级的真实遥测。 影响：直接挑战"AI 编码工具 = 工程师数量减半 / 交付翻倍"的厂商叙事，可能让大量以 PR 数、代码行数评价工程团队效率的高管与投资机构重新评估 ROI；同时提醒厂商必须补齐"独立验证层"和契约式规范，否则单纯在代码量上领先将引发更多系统级回归。短期影响：工程团队应把 PR 从合并到首次响应的时间、缺陷率、改写/重写率纳入评估而非 PR 数；工程人才市场短期回暖，承担审查与质量把关的中高级工程师被重新重视；投资界对 AI 编码独角兽的"工程师吞吐量"叙事可能阶段性降温。 总结：这份覆盖 70 万工程师、3 亿工作事件的哈佛-业界联合研究给出清晰结论：AI 让代码生成阶段提速约 30%，却把产能瓶颈推到了代码审查环节，导致软件交付没有统计显著的提升。"agent 之夏"叙事首次遭遇大样本检验，把评估 AI 编码价值的指标从"代码量"拉回到"端到端吞吐"。 参考来源： 1. https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-code-but-not-more-software/ 2. https://techbeat.co/story/ai-coding-agents-boost-code-30-but-software-output-stalls 3. https://gokawiil.com/article/353716 4. https://pan.parallax.kr/article/ai-coding-tools-boost-code-output-but-review-bottlenecks-limit-software-delivery 5. https://aidirectory.com/news/study-ai-coding-agents-more-code-not-more-software 6. https://aiincontext.com/articles/ai-coding-agents-produce-more-code-not-more-software-e18d51fb 7. https://jellyfish.co/?p=31446/ 8. https://fion.ac/ 9. https://ua.news/en/technologies/doslidzhennia-shi-agenti-zbilshili-obsiag-kodu-na-30-ale-ne-vipusk-pz-ars-technica 10. https://sc.cs.cmu.edu/news/2026/0306-hidden-cost-ai-speed.html