据Ars Technica报道，一项针对数百家软件公司实际编码实践的研究发现，现代AI编码助手和智能体虽能高效生成大量可运行代码，但人工代码审查成为整体效率的显著瓶颈，几乎没有证据表明企业因此提高软件产出或减少用工。

研究称，任何在编码阶段获得的效率提升，都被生产流程中的下游约束吸收。代码审查流程显著变长，拉取请求更可能需要修改，审查者留下的评论也更多。对于使用这些工具的开发者而言，AI生成代码的准确性并不能被直接信任，因此需要投入大量精力审查输出。

这一结论来自哈佛大学研究人员Fiona Chen和James Stratton。他们使用了Jellyfish的聚合分析数据。Jellyfish衡量工程团队的细粒度产出。数据覆盖2021年至2026年3月期间，700多家相关软件开发公司的70多万名员工，包含3亿个单独“工作事件”，例如提交和拉取请求，以及问题管理软件数据。

上述研究关注的是企业层面的实际效果，而非单个开发者使用AI工具时的编码速度。结果显示，代码生成阶段的效率变化并未等量转化为最终软件输出。企业是否因AI编码工具调整用工，同样缺乏明确证据。