哈佛研究:AI编码代理使代码产出增加30%,但瓶颈转移至审查环节
哈佛大学经济学系博士生 Fiona Chen 和 James Stratton 发布的一份工作论文显示,采用人工智能(AI)编码代理的企业中,工程师的代码编写量增加了约 30%,但最终完成的工作量并未出现显著增长。该研究基于 718 家公司的数据,指出代码审查已成为新的生产力瓶颈。

值得注意的是,这是一份尚未通过同行评审的就业市场论文。与此同时,法律科技领域也出现了类似趋势:Harvey 推出的驳回动议工作流程和 Cooley 正在 Google Cloud 上开发的编辑代理,均将律师置于类似的检查点。
数据来源与研究方法
Chen 和 Stratton 的研究结合了 Jellyfish(一家工程活动分析平台公司)的数据与 Revelio Labs 收集的 LinkedIn 就业记录。样本覆盖 2021 年 1 月至 2026 年 3 月期间同意用于研究的 Jellyfish 客户企业。数据显示,这 718 家公司共有 725,938 名员工,涉及 6830 万个 Jira 问题、2.009 亿次代码提交、4910 万个拉取请求以及 2130 万个日历事件(其中仅 213 家提供了日历数据)。
研究采用分阶段差异-差异比较法,追踪每月采用 AI 工具企业与未采用企业的结果变化。作者指出,采购延迟(包括审批和试点项目时间)可能影响比较基准,受访者的审批时间从一天到 6-12 个月不等。尽管存在大型公司更早采用 AI 的不平衡现象,作者认为若有偏差,更可能是高估了 AI 的生产力而非低估。
目前发布的版本日期为 2026 年 8 月,首个版本发布于 2026 年 4 月 4 日。Fiona Chen 将其作为就业市场论文发布,网站链接显示《华尔街日报》和《经济学人》曾报道过相关早期发现。
代码产出激增,但交付效率停滞
研究结果显示,在已有 AI 编码助理的公司中,代理人的附加效应导致每工人月的代码行数增加了 1,494 行(相对于 5,017 行的基线),增幅约为 30%。提交的代码增加了 20%,拉取请求(Pull Requests)增加了 23%。
然而,实际产出的衡量指标——已解决并部署到生产环境的 Jira 问题数量——并未同步增长。代理人每工人月移动的问题数仅为 0.12 个(基线为 3.67 个),标准误差为 0.17。这一结果在统计学上与零无显著差异,95% 的置信区间排除了比基准值高出 12% 的增长可能性。
研究人员排除了“任务变大”的可能性。通过 GPT-4o 对 0.5% 的问题样本进行标记并扩展至全量数据后,发现平均问题大小没有变化,拉取请求也未变大。
瓶颈转移:代码审查成为新障碍
论文指出,代码审查流程出现了严重拥堵。从提交拉取请求到合并的时间从 7.03 天的基线增加了 3.45 天,增幅达 49%。收到正式变更请求的拉取请求比例从 13% 上升至约 25%,几乎翻倍;每个拉取请求的审查评论数量增加了 35%。与此同时,编写代码的比例从 29% 下降到 14%,而审查代码的比例没有明显变化。
截至 2026 年 3 月,近 80% 的公司使用了 AI 审查工具,但这些工具仅产生了 23.3% 的评论,未能消除瓶颈。采访案例显示,由于 AI 生成的提交导致中断,部分团队要求高级工程师批准所有 AI 生成代码,且每周仅进行一次审查,进一步加剧了积压。
作者提出了两种解释模式:一是更快的起草速度导致更多代码涌入固定的审查员队列;二是更多的变更请求和评论反映了草稿质量的下降。对于购买 AI 代理的企业而言,确定哪种模式占主导地位至关重要。
就业市场短期未见裁员效应
编码效率的提升并未立即转化为裁员。估计数据显示,整体就业率下降超过 2.9% 的可能性被排除,工程就业下降超过 13.8% 的可能性也被更大范围的估计所排除。作者警告称,这些是基于部分平衡的短期影响,可能掩盖了竞争对手公司的失业情况,且工程就业的辅助估计显示出上升的预趋势,使得因果关系的解释变得复杂。
法律 AI 面临类似的“检查点”挑战
随着法律 AI 工具采用与软件编码相似的设计逻辑,即“先自动起草,再由人类审查”,类似的瓶颈可能在法律行业重现。
- Harvey:10 月 10 日发布了与 LexisNexis 共同开发的驳回动议工作流程。该工具可在几小时内完成通常需要 40-50 小时的研究和初稿起草。
- Cooley:10 月宣布与 Google Cloud 合作开发法庭文件编辑代理。该代理建议编辑而非直接起草论点,律师需在提交前做出所有编辑决定。公告中未披露错误率。
在联邦法院,这种人工审查是法律义务而非单纯的设计选择。根据《联邦民事诉讼规则》第 11(b) 条,律师必须证明其提出的法律论点非轻浮且有现行法律依据,事实论点有证据支持或合理调查机会。这意味着软件层面的效率提升可能被审查环节的时间消耗所抵消。
此外,AI 创作会在协作系统中留下元数据痕迹(如提交消息中的“共同作者”行)。对于电子发现(eDiscovery)、隐私和合规专业人士而言,这些信息治理团队可能需要保留的记录,以应对法律持有程序。
其他研究与局限性
NBER 另一篇于 2026 年 9 月修订的工作论文(作者 Mert Demirer、Leon Musolff 和 Liyuan Yang)分析了超过 500,000 名 GitHub 开发者的数据,发现自主代理产生的提交量累计增长了 240%,但在实际发布中这一比例降至 30%。需注意的是,Demirer 和 Musolff 此前曾在微软担任博士后研究员,目前也是该公司的付费顾问。
Jellyfish 此前推广的研究早期版本声称“代码质量似乎并未受损”,而当前基于更大样本的论文则将变更请求近乎翻倍解读为草稿质量下降的迹象。依赖 Jellyfish 摘要的读者需注意这一差异。
该论文存在一些内部不一致性(如主要文本描述 17 次采访,附录描述 21 次),但不影响核心代理估计。底层数据为专有数据,个人许可证使用 AI 工具的行为未被记录。鉴于数据截止于 2026 年 3 月,后续修订可能会改变结论。
给买家的建议
对于考虑采用 AI 编码或法律代理的组织,建议关注以下测量指标:
- 从上传到批准工作产品的时间。
- 审核律师或工程师返回草稿的比例。
- 每件案件或每个任务的审核时间。
- 记录审稿人修改的内容,以判断瓶颈是源于数量还是质量。
虽然 AI 可以将数十小时的起草工作压缩至几小时,但如果下游的审查能力未相应扩展,节省的时间将在排队等待中被消耗殆尽。





