研究揭示：AI编程智能体虽增加代码产出，却因审查瓶颈未提升软件产量
2026/10/12 18:01阅读量 3
一项涵盖700余家企业及70万员工的大规模研究显示，引入AI编程智能体后，代码行数、提交量及拉取请求均显著增长，但并未转化为实际软件产量的提升。核心原因在于人工代码审查流程成为效率瓶颈，导致审查耗时平均延长49%，且绝大部分审查工作仍由人类承担。
事件概述
一项针对2021年至2026年3月期间软件开发实践的研究发现，尽管AI编程工具大幅增加了代码生成量，但由于人工代码审查流程的效率低下，企业并未因此获得软件产量的实质性提升或就业减少的证据。
核心数据与事实
- 样本规模：研究分析了逾700家软件开发公司、超过70万名员工的3亿条工作事件（包括代码提交commits和拉取请求pull requests）以及问题管理数据。
- 代码产出增长：在引入AI编程智能体后，各指标呈现显著上升：
- 代码总行数平均增加 30%。
- 代码提交（commits）总数增加 20%。
- 拉取请求（pull requests）总数平均增加 23%。
- 审查效率下降：尽管代码量增加，但整体软件产出未同步增长，主要瓶颈在于代码审查环节：
- 代码审查的平均耗时增加了 49%。
- 参与代码审查的员工人数增加了 14%。
关键结论
- 人工审查仍是主导：虽然AI智能体贡献了部分审查意见和处理了部分拉取请求，但绝大部分代码审查工作依然依赖人工完成。
- 效率悖论：AI生成的额外代码并未直接转化为生产力，反而因为需要更多时间和人力进行人工审核，抵消了自动化带来的潜在效率优势。