据Slashdot 2026年10月12日报道，Ars Technica引用一项覆盖700多家软件公司的研究指出，人工智能编程代理显著提高了开发者生成的代码量，却未能让企业实际交付更多软件，代码评审成为吸收效率提升的关键瓶颈。

研究对数百家公司的实际编程实践进行考察。结果显示，企业在引入人工智能编程代理后，代码总生成行数平均增加30%，提交总数增加20%，拉取请求数量增加23%。但作者称，这些新增代码没有直接转化为公司层面的软件产出提升。由Jira等工具追踪的问题和大型功能事项（Epics），也就是整体软件功能的解决率，在引入AI工具后没有出现统计显著变化；研究人员也没有发现这些Jira追踪事项在规模或复杂度上发生构成性变化。

差异出现在代码评审环节。研究称，引入AI编程代理后，拉取请求从提交到合并的平均评审时间增加49%。细分数据也显示，要求修改的拉取请求占比接近翻倍，每个拉取请求的评论数增加35%。研究人员认为，实际编码阶段提高的效率被生产流程下游的约束吸收。

为应对评审负担，研究发现，引入AI代理后，执行代码评审的员工比例增加14%。但研究者在查看Jellyfish的总活跃员工数据，并与这些公司的LinkedIn数据交叉比对后表示，无法将显著就业变化归因于AI。研究还称，几乎没有证据表明企业因使用AI编程代理而增加软件产出或减少用工。

AI本身也可能帮助评审，但目前作用有限。截至2026年3月，80%的受调查企业使用了某种形式的AI代码评审，但AI代理只贡献了23.3%的评审评论和10.8%的拉取请求，意味着绝大多数评审工作仍由人类完成。