一项涵盖700多家软件公司的研究显示，AI编程代理虽显著推高了开发者生成的代码量，却未能转化为企业实际交付软件数量的增长。研究指出，人工代码审查已成为制约AI编码工具效率的关键瓶颈，目前几乎没有证据表明这些工具帮助企业增加了软件产出或减少了就业岗位。
研究人员表示，编码阶段的效率提升被生产流程下游的约束所吸收。随着AI介入，代码审查周期显著拉长，拉取请求（Pull Request）更频繁地需要修订，审查者留下的评论也大幅增多。
代码生成激增，交付效率停滞
在原始代码生成层面，数据表现强劲。引入AI编程代理后，企业总代码行数平均增长30%，总提交次数上升20%，拉取请求数量平均增加23%。然而，这些额外的代码活动并未改善公司层面的软件产出效能。通过Jira等工具追踪发现，问题单和史诗任务（Epic）的解决率在引入AI前后并无统计学上的显著变化，且任务的规模或复杂性也未出现结构性改变。
审查耗时激增49%，人力投入加大
效率折损的核心原因在于代码审查环节。数据显示，引入AI代理后，从提交拉取请求到合并至代码库的平均审查时间激增49%。细分数据进一步印证了这一趋势：要求更改的拉取请求比例几乎翻倍，每个拉取请求的平均评论数增加了35%。
为应对审查负担，从事代码审查工作的员工比例在引入AI后增加了14%。通过对Jellyfish平台活跃员工数据与LinkedIn信息的交叉比对，研究人员未发现显著的就业变化归因于AI。
尽管理论上AI可辅助优化审查流程，但现实渗透率依然有限。截至2026年3月，虽然80%的受访公司已采用某种形式的AI代码审查工具，但AI仅承担了23.3%的评论工作和10.8%的拉取请求处理，绝大多数审查工作仍由人类完成。