哈佛研究：AI编码增量未同步转化为软件交付效率

哈佛大学基于Jellyfish平台，对718家企业开展的软件工程研究显示，生成式AI能够提高代码产出，却没有带来同等幅度的交付增长。研究覆盖2021年1月至2026年3月，涉及70多万名员工和约3亿个工作事件，数据来自人力资源系统、版本控制、工单管理、日程工具，以及GitHub Copilot、Cursor、Claude Code等AI工具。

研究以新增代码行数、提交记录和合并请求衡量编码产出。AI编程助手分别使三项指标增加12%、9%和5%，其中只有提交记录的变化达到统计显著；AI智能体则让代码行数、提交记录和合并请求显著增加30%、20%和23%。

软件交付方面，研究人员按每名工程师每月解决的Jira工单及大型需求进行评估。编程助手没有带来工单解决量提升，AI智能体则使其增加12%，明显低于代码量30%的增幅。研究团队认为，工程师只有约30%至40%的时间用于写代码，其余时间用于规划、评审、测试和部署，编码加速后，后续流程便可能成为新的限制因素。

数据显示，合并请求平均评审时长增加49%，每个合并请求的评论数量增加53%，需要修改的合并请求占比翻倍，参与评审的人员比例也上升14%。即便使用AI辅助评审，这些变化仍未得到改善，而且工作量增加不能仅用单个合并请求规模变大来解释。

围绕研究结果，有观点认为每一行新增代码都可能带来潜在风险，AI幻觉和智能体的不可靠操作可能进一步放大维护成本。也有工程师提出，随着代码库持续扩张，故障平均恢复时长或许应成为衡量AI影响的重要指标，因为代码理解变浅可能导致故障更频繁、排查更困难。Jellyfish是一款接入GitHub、Jira等工具的软件工程分析平台，用于评估开发者生产力和软件交付表现。