哈佛研究：AI编程提效30%，评审成新瓶颈
AI 总结
哈佛大学研究人员 Fiona Chen 与 James Stratton 的论文发现，使用 AI 后开发者产出的代码量增加约30%，代码提交增加约20%、拉取请求增加约23%，但最终完成的软件并未出现统计上显著的改善。研究显示评审与合并拉取请求的时间增加约49%，每个拉取请求的评审评论增加约35%，参与评审的员工比例上升约14%，平均评审周期从7.03天延长到10.48天。论文认为 AI 生成的代码需要更多修正，生产力收益被下游流程约束吸收，代码评审成为新的瓶颈。
深度见解
它说明 AI 编程提效并不会自动转化为交付成果，企业需要把资源转向代码评审与流程改造。