Исследование показывает, что AI-агенты для кодирования увеличивают объем кода, но не общую продуктивность ПО

Image: Ars Technica · Source

Исследование показывает, что AI-ассистенты по кодированию создают больше кода, но вызывают более длительные проверки человеком, что ограничивает рост в доставке ПО и изменениях занятости.

Современные AI-ассистенты и агенты для кодирования доказали свою способность быстро генерировать большие объемы функционального кода, однако недавнее исследование указывает на то, что увеличенный объем кода напрямую не приводит к повышению общей производительности программного обеспечения. Исследователи из Гарвардского университета — Фиона Чен и Джеймс Страттон — проанализировали обширные данные более чем 700 компаний-разработчиков программного обеспечения, включающие свыше 700 000 сотрудников, чтобы понять, как инструменты AI для кодирования влияют на рабочие процессы разработки с 2021 до начала 2026 года.

Используя данные Jellyfish — платформы, которая отслеживает подробную активность инженерных команд, исследователи заметили, что после внедрения компаниями AI-агентов для кодирования — автономных систем, которые пишут и отправляют код на основе запросов — произошел заметный рост на 30 процентов по количеству строк кода, а также увеличение на 20 процентов коммитов и на 23 процента pull request'ов. Несмотря на этот рост, показатели производительности программного обеспечения, такие как скорость решения задач и внедрения функций, статистически не изменились.

Исследование связывает это расхождение с существенным узким местом на этапе проверки кода человеком. После внедрения AI время от отправки pull request до его слияния увеличилось на 49 процентов. Более того, количество запросов на изменения почти удвоилось, а комментариев на pull request стало больше на 35 процентов, что свидетельствует о более тщательной проверке кода, сгенерированного AI. Возросшая нагрузка на проверку привела к росту числа сотрудников, участвующих в обзоре кода, на 14 процентов, без заметных изменений в общем уровне занятости.

Несмотря на то, что AI-инструменты также используются для помощи в проверке кода, их влияние остается ограниченным; к марту 2026 года AI-агенты формировали примерно четверть комментариев в обзорах и еще меньшую долю pull request'ов. Основная ответственность за проверку по-прежнему лежит на человеке.

Данные результаты подчёркивают текущий компромисс: AI-агенты ускоряют создание кода, но требуют значительно больше времени на проверку человеком, нивелируя ожидаемый рост продуктивности. Учитывая, что внедрение AI для кодирования является относительно новым и развивается, дальнейшие улучшения стратегий интеграции могут оптимизировать этот баланс. Однако на данный момент компаниям необходимо взвесить, оправдывает ли инвестиции в AI-инструменты для кодирования дополнительную нагрузку по проверке.