哈佛研究：AI狂写代码却难提产能，审查成瓶颈

AI编程助手能写出大量可用的代码，这早已是程序员的共识。但写得多不等于产出多。哈佛大学一项基于数百家软件企业真实工程数据的新研究发现，AI编程工具带来的编码效率提升，几乎被审查环节的额外负担完全吸收，企业整体软件产出和员工规模并未因此增长。这项研究为当前火热的"AI提效"叙事泼了一盆冷水。

数据规模空前：3亿次工作事件

这项研究由哈佛大学研究员Fiona Chen与James Stratton完成。两位研究者没有采用问卷或访谈这类传统调研方法，而是直接调用了工程效能分析平台Jellyfish的聚合数据。Jellyfish专门度量工程团队的细粒度产出，能追踪代码提交、合并请求等具体工作行为。

数据覆盖范围相当可观：自2021年至2026年3月，超过700家软件开发企业的70余万名员工的工程活动被纳入分析，其中包含3亿次单独的"工作事件"，如代码提交（commit）和合并请求（pull request），此外还结合了问题管理软件的数据。样本横跨AI编程工具从兴起到全面普及的完整周期，这让研究结论具备了少有的实证基础。

审查环节成了"卡脖子"节点

研究的核心发现是：人工代码审查构成了AI编程工具整体效率的显著"瓶颈"（bottleneck）。程序员们普遍不敢直接信任AI生成的代码，因为其准确性存疑，必须投入大量精力逐行审查输出结果。

具体来看，随着AI生成代码大量涌入，代码审查流程的时间明显拉长，合并请求更容易被打回修改，审查者留下的评论数量也更多。也就是说，编码阶段省下的时间，在下游被审核和返工重新吃掉。研究作者将此概括为：编码阶段的效率提升"被生产流程中的下游约束所吸收"。

研究发现，几乎没有证据表明企业因使用AI编程工具而增加了软件产出或减少了雇佣。

为什么"写得多"不等于"软件多"

这一结果与许多开发者的直观感受相符。资深程序员早就知道，AI助手生成的代码虽然常常"能跑"，但可能存在隐藏缺陷、架构偏差或不符合项目规范的写法，审查者必须比以往更仔细地阅读每一行变更。

从工程管理的角度看，软件开发从来不只是写代码这一环。需求理解、设计决策、测试验证、代码评审、上线维护等环节环环相扣，任何一个环节的拥堵都会拖累整体流速。当AI把编码环节的产能放大数倍后，审查环节从原本的常规步骤变成了最拥堵的路口，总吞吐量自然上不去。

对行业与就业的影响

研究结论对市场叙事的冲击不小。过去两年，不少分析认为AI编程工具将大幅替代初级程序员，甚至直接压缩软件企业的用人规模。但这项覆盖700余家企业的实证研究给出的答案是：目前几乎没有证据表明企业因使用这些工具而减少雇佣。

换句话说，AI把一部分本该由人来写的代码交给了机器，但人并没有闲下来，而是把时间转移到了审查、评论和返工上。软件产能没有跃升，用工也没有减少，行业结构暂时维持着一种新的平衡。

当然，研究者也指出，这只是当前阶段的状态。如果AI模型在代码准确性和可读性上持续改进，或者审查工具本身被AI辅助自动化，瓶颈有望逐步松动。届时AI编程工具能否真正转化为可度量的产出增长，还需要后续数据持续验证。

对企业管理者而言，这项研究传递的信息很明确：引入AI编程工具只是第一步，真正的效率提升取决于整个研发流程的配套改造，尤其是审查环节的能力建设。只盯着"AI写了多少代码"，很可能会得出过于乐观的错误结论。