哈佛研究稱 AI coding agents 讓代碼量增 30%，但審查瓶頸未提高軟體產出

Ars Technica AI 引述一項哈佛大學研究稱，AI coding agents 雖讓企業產生更多代碼，卻沒有帶來具統計顯著性的整體軟體產出提升；研究將人工代碼審查視為限制效率的主要瓶頸。這項結論目前屬媒體報導，未有其他佐證來源提供。 研究人員 Fiona Chen 與 James Stratton 使用 Jellyfish 彙整的工程團隊分析資料，涵蓋 2021 年至 2026 年 3 月、超過 700 家軟體開發公司、逾 70 萬名員工，以及 3 億筆包含 commit 和 pull request 在內的工作事件，並結合 issue 管理軟體資料。 研究透過直接量測 AI 使用情況與分析 GitHub 活動，判定各公司導入 AI coding assistants 或 AI coding agents 的時間，再以 difference-in-differences regression 比較導入前後變化。結果顯示，導入 AI coding agents 後，平均產生的代碼行數增加 30%，commit 數增加 20%，pull request 數增加 23%。 不過，Jira 等工具追蹤的 Issues 與 Epics 解決率，在導入 AI 工具後沒有統計顯著變化，研究也未發現這些工作項目的規模或複雜度出現組成轉變。報導稱，新增代碼帶來的效率被後續流程吸收：代碼審查時間明顯延長，pull request 更常需要修改，審查者留下的評論也更多；研究同時指出，幾乎沒有證據顯示企業因此提高軟體產出或減少僱用。