现代人工智能编码助理与代理在生成大量功能代码方面展现出极高效率，然而程序员普遍对其输出准确性持保留态度，导致人工审查环节耗费巨大精力。一项针对数百家企业实际编码实践的最新研究指出，人类代码审查已成为制约 AI 编码工具整体效率的关键瓶颈。
研究发现，几乎没有证据表明企业通过引入这些工具增加了软件总产量或减少了就业需求。尽管 AI 在代码编写阶段提升了效率，但这种增益被生产流程下游的限制所抵消。具体表现为：代码审查周期显著延长，提取请求（Pull Request）更频繁地需要修订，且审查者留下的评论数量大幅增加。
基于大规模数据的实证分析
哈佛大学研究员 Fiona Chen 和 James Stratton 为得出上述结论，利用 Jellyfish 提供的汇总分析数据进行了深入研究。该数据集衡量了工程团队的精细化产出，涵盖时间跨度从 2021 年至 2026 年 3 月。
样本包括来自 700 多家软件开发公司的超过 700,000 名员工，以及 3 亿个单独“工作事件”（如代码提交和拉取请求），并结合了问题管理软件数据进行分析。
