一项针对数百家软件开发企业编程实践的研究显示，AI编程智能体在显著提升代码生成量的同时，并未带来软件产出的同步增长。研究覆盖2021年至2026年3月期间逾700家软件开发公司、超过70万名员工的3亿条工作事件（包括commits和pull requests）以及问题管理软件数据，重点考察了AI编程工具对企业研发效率的实际影响。
数据显示，企业在引入AI编程智能体后，代码总行数平均增加30％，commit总数增加20％，pull requests总数平均增加23％。从代码生成维度看，AI工具的介入确实带来了可观的产出增量。然而，这些增量并未转化为软件产量的提升，也没有证据表明企业采用AI工具后减少了用工需求。
研究将瓶颈指向了代码审查环节。引入AI编程智能体后，代码审查流程的平均耗时增加了49％，参与代码审查的员工人数增加了14％。尽管AI智能体自身贡献了部分审查意见和pull requests，绝大部分审查工作仍由人类完成。这意味着，AI生成的大量代码最终需要由人工进行质量把关，审查环节的负荷随之上升，抵消了代码生成端带来的效率增益。
该研究结果对当前企业级AI编程工具的落地预期构成了修正。过去一年，AI编程智能体在开发者社区和企业采购中热度持续攀升，厂商普遍以代码生成速度、补全准确率等指标作为核心卖点。但此次研究提示，软件开发是一个包含需求拆解、编码、审查、测试、部署的完整链路，单点效率的提升若无法在上下游环节被有效消化，整体产出未必同步改善。
对于正在评估或已部署AI编程工具的企业而言，代码审查流程的容量规划与工具链适配，可能成为决定投资回报率的关键变量。如何在AI生成代码与人工审查之间建立更高效的协作机制，将是企业服务领域下一阶段需要回答的问题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
