type
Post
status
Published
date
Nov 21, 2026
slug
harvard-ai-coding-code-review-bottleneck
summary
哈佛大学 2026 年 11 月 19 日更新大样本实证研究,分析 655 家企业、72 万员工、4.45 亿条研发记录:AI 编程智能体使代码行数涨 44.0%、新开 PR 涨 35.7%,但最终上线的 Jira 任务解决数仅涨 13.7%,真正卡住研发交付的是人工 Code Review(PR 合并耗时暴涨 56.1%)。
tags
AI
category
技术分享
icon
password
Tweet Link
Staus
类型
平台
很多研发团队这两年都有同一种割裂感。
工程师装上 AI 编程工具之后,写代码的速度肉眼可见地快了一截。以前半天才能改完的模块,现在让 AI 跑一轮,二十分钟就能提一个 Pull Request。每天群里跳出来的提交记录越来越多,可到了发版日一算账,真正上线交付的需求数量,好像并没有快多少。
很多人以为这是自己团队用法不对。2026 年 11 月 19 日,哈佛大学经济学博士候选人 Fiona Chen 和 James Stratton 更新了一篇重磅工作论文,把这件事放在了真实的企业流水线里做了一次大规模体检。
他们拿到的是工程分析平台 Jellyfish 的一线数据,时间跨度从 2021 年 1 月到 2026 年 8 月,覆盖 655 家企业、720542 名员工的 4.45 亿条工作事件。GitHub 上的代码提交、PR 审查记录、Jira 里的任务结单、Google Calendar 的日程安排,全部串在了一起。
看完这份实证数据,很多团队的困惑一下子就说通了。
代码多写了四成多,真正上线的任务却没涨多少
代码多写了四成多,真正上线的任务却没涨多少

代码多写了四成多,真正上线的任务却没涨多少

研究团队把过去几年的 AI 编程工具分成了两代。第一代是 2022 年底开始普及的 AI 编程助手,主要做局部代码补全和修改建议。第二代是 2024 年底兴起的 AI 编程智能体,能够半自动地完成更长、更复杂的开发任务。
作者利用不同企业接入这两代工具的时间差,追踪了上线后 12 到 16 个月的真实变化。结果非常扎眼。
引入 AI 编程助手 12 个月后,企业的代码行数涨了 30.4%,代码提交数涨了 16.8%,新开的 PR 数量涨了 20.9%。但用来衡量软件最终上线交付的指标几乎纹丝不动。Jira Issue 的解决数量变化是负 1.5%,代表大项目或大功能完成的 Jira Epic 解决数只涨了 3.4%,统计上都接近零。
换到能力更强的 AI 编程智能体之后,代码产出的涨幅更猛。在助手的基础上,代码行数又多涨了 44.0%,提交数涨了 36.0%,新开 PR 涨了 35.7%。
可落到最终交付上,差距依然明显。Jira Issue 解决数只涨了 13.7%,处于边缘显著水平,作者明确指出可以排除超过 30.7% 的增幅。Jira Epic 完成数涨了 18.0%。
有人可能会怀疑,是不是用上 AI 之后,团队把每个 Jira 任务拆得更粗、单个任务变得更难了,所以看起来数量没涨?论文专门排除了这种可能。作者同时用了大语言模型标注和监督学习模型,去分析每条 Jira 任务的文字描述、预测工程师原本需要花多久解决,结果没有发现单个任务复杂度上升的证据。
大家最担心的裁员问题,至少在引入工具后的 12 到 16 个月里,数据里没有检测到显著的工程团队人数缩减。AI 助手对应的估算结果是正 3.0%,AI 智能体是负 2.6%,统计噪声很大,还谈不上大规模替代。
代码写得飞快,交付涨幅却打了折扣,人也没少招。多出来的代码到底堵在了哪里?
卡死研发流水线的,是等在队列里的 Code Review
卡死研发流水线的,是等在队列里的 Code Review

卡死研发流水线的,是等在队列里的 Code Review

写代码本来就只是软件工程里的一个环节。研究团队结合 Jellyfish 行为数据和 100 名工程师的问卷交叉验证,发现工程师日常真正用来写代码的时间只占 30% 到 40%。剩下的六七成时间,全花在需求对齐、方案评审、代码审查、测试联调和线上发布这些互补工作上。
上游阀门突然开大了,下游管道没扩宽,水自然全积在了中间。
数据精准抓住了堵点:人工 Code Review(代码审查)。
企业引入 AI 编程智能体之后,一个 PR 从提交审查到最终合并,平均耗时直接暴涨了 56.1%。拆开看,堵车发生在两个地方。代码躺在待审队列里没人看的等待时间涨了 59.9%,好不容易轮到人开始看之后,实际审查耗时也涨了 58.5%。
审查变慢,一半是因为队列排长了,另一半是因为代码本身更难审。数据显示,至少收到一条审查评论的 PR 比例增加了 13.1%,每个代码变更收到的平均评论数暴涨了 38.6%。也就是说,AI 吐出来的代码量大了,里面需要人反复挑刺、要求返工的毛病也跟着变多了。
有人会问,既然审查这么堵,把写代码省下来的人拉去审代码不行吗?或者直接上 AI 自动审查工具呢?
论文给出了两个很现实的答案。
先看人力调配。代码审查不是谁有空就能顶上的体力活。样本里有 82.8% 的审查,都发生在熟悉对应代码库的工程师之间,如果随机指派,这个比例只有 17.2%。资深工程师写的代码,有 75.7% 还得找另一位资深工程师来审。
作者访谈了 21 位软件公司一线从业者,有工程师讲得很直白:项目里只有一位最懂老代码库的资深同事有审批权限,他忙得一周只能抽空审一次代码。更要命的是,团队因为 AI 生成的代码引发过几次线上故障,干脆定下新规矩,凡是 AI 写的代码必须由资深工程师亲自批准。这一刀下去,审查队列更长了。
再看 AI 审查工具。样本里其实已经有 79.1% 的企业接入了 AI 代码审查工具,但绝大多数真正拍板的审查意见和修改评论,依然是由人类工程师写出来的。面对生产环境的稳定性风险,企业暂时还不敢把合并按钮彻底交给 AI。

团队已经在悄悄改分工,但这份研究也有边界

为了看清企业内部看不见的隐性调整,作者搭建了一个企业生产结构模型来做估算。模型测算的结果显示,AI 编程智能体确实把编码生产率拉高了 73.7%,但让审查生产率小幅下降了 7.0%。
为了消化上游多出来的代码,企业已经在悄悄挪动人力:投入在写代码上的人力下降了 22.7%,投入在代码审查上的人力则增加了 43.4%。编码省下来的时间,很大一部分被审查吃掉了。
作者还用这个模型做了到 2031 年的长期推演。如果未来 AI 在写代码上继续突飞猛进,但代码审查的瓶颈一直解不开,软件产出预计增长 57.8%。如果 AI 哪天能把审查效率也同步拉起来,产出最高可以增长 341.4%,但对应的工程岗位也可能大幅萎缩。
看这类重磅实证研究,把它的边界看清楚同样重要。
这份观测覆盖的是企业接入 AI 后的 12 到 16 个月,属于中短期窗口。企业调整招聘计划、重构研发组织往往滞后,短期没看到裁员,不能直接推导出长期一定不裁员。
样本本身来自 Jellyfish 的付费企业客户,以中大型、流程成熟的软件公司为主。这类公司代码库庞大、合规和稳定性要求高,审批链条天然重。如果是几个人敏捷开发的小团队,或者从零起盘的初创公司,审查负担轻得多,AI 带来的真实交付提速可能会高于论文里的均值。
上面提到的 2031 年产出和就业数字,属于经济模型模拟,高度依赖软件市场需求弹性和技术演化路径的假设,不能当成既定预言来读。

对一线开发者和团队的实操提醒

如果你们团队正在全面推 AI 编程,这份覆盖 655 家公司的体检报告,至少有三点可以直接拿来对照检查。
别再拿代码行数、提交次数或者 PR 数量来考核 AI 提效了。AI 时代把代码行数写漂亮太容易了,这些中间指标涨得越欢,下游的审查和测试压力往往越大。真正该盯的指标,是 PR 从提交到合并的等待时间、单次 PR 的返工评论数,以及需求最终上线交付的周期。
一线开发者自己用 AI 智能体时,尽量把任务拆小,控制单次 PR 的改动体量。一次丢给同事两千行 AI 生成的代码,对方大概率会拖到下周才点开。把大改动拆成逻辑清晰的小块,附带跑通的单元测试和改动说明,审查通过速度会快很多。
对于技术负责人,与其继续买更多生成代码的工具,不如先帮团队把下游的基础设施补齐。自动化测试覆盖率、CI 门禁、沙箱回归环境做得越扎实,资深工程师在 Code Review 时需要肉眼排雷的负担就越轻。
写代码已经不再是软件团队最稀缺的产能,能看懂代码、敢为上线结果拍板签字的注意力才是。
Word接入ChatGPT,写个周报、作文一键搞定-Windows版本OpenAI 用 Codex 修 ChatGPT 性能,1700 次调查只直接合入 15 个 PR
Loading...