AI 编程让代码多了30%,软件为什么没变多?

我这段时间干了一件事：把公众号的活儿全程交给 AI 跑。

选题它找，稿它写，图它画，校验它跑。我坐在旁边，只当验收的那个。

然后我发现一件事：我的活一点没少，只是换了个地方。以前时间花在写，现在花在审。写的那段确实快了，快得离谱。审的那段一点没快，反而更堵。

我以为是我自己的问题。直到我看见一篇讲 AI 编程的论文。

一、718 家公司，70 万人，三年半

哈佛有两个经济学家，Fiona Chen 和 James Stratton，做了件很笨的事：把一家叫 Jellyfish 的工程数据平台的记录，整片扒了一遍。

718 家软件公司，70 多万名员工，3 亿个工作事件，时间从 2021 年 1 月到 2026 年 3 月。

工作事件是什么？一次代码提交、一个 Pull Request、一条 Jira 工单被关掉。都是工程系统自己记的，不是问卷，不是访谈，没人能美化。

他们只想回答一个问题：公司上了 AI 编程工具以后，到底多做出了多少软件。

▲ 718家公司、70万员工、3亿个工作事件（自绘图）

二、三个数字，一个零

结果分两半。

第一半，代码确实多了。用 Agent 类工具，，Claude Code、Cursor、Devin 那一类，能自己写自己提的公司，人均每月多写将近 1500 行。总量上，代码行数涨 30%，提交涨 20%，Pull Request 涨 23%，全都是统计显著的。

第二半，软件没多。他们拿 Jira 里真正解决掉的工单和 Epic 当"做出来的软件"。这个数，没有统计显著的变化。

翻译一下：AI 编程把写代码这段提速了，但提速省下来的时间，没有变成交付。

▲ 左边AI飞快写代码，右边人慢慢审查（自绘图）

第三个数字，涨错了地方。

PR 从提交到合并，平均时间从 7.03 天涨到 10.48 天，涨 49%。被打回重改的比例，从 13% 涨到 25%。每条 PR 底下的评论，从 1.66 条涨到 2.24 条。

还有一条更直接的：公司里参与代码审查的员工占比，从 29% 涨到 33%。

写代码的人没多，审代码的人被调过来了。

三、瓶颈不会消失，只会搬家

论文里有句话，我觉得是整篇最值钱的：

工程师的时间，本来就只有 30% 到 42% 花在写代码上。你把这一段提速 30%，剩下那 60% 一秒都没少。水龙头开大了，下水道还是那么粗。

▲ 传送带堵在人工审查这一站（自绘图）

有位受访的高级工程师说得更直白：Claude Code 两秒钟能交一版"常规活儿九成对"的草稿，但难一点的它错得频繁，"你最后花了更多时间在审查上"。

我把这段话读了三遍。因为那正是我的处境，一字不差。

AI 提效，提的是它那一段。你那一段，它一行都没提。

四、最反直觉的一条：AI 还没接走"审"的活

看到这你大概会想：那让 AI 审不就行了。

数据说，试过了，而且试得很广。到 2026 年 3 月，样本里将近 80% 的公司已经在用某种 AI 工具做代码审查。但真正留下来的评审意见里，只有 23.3% 是 AI 写的；全部 PR 里，只有 10.8% 收到过至少一条 AI 的评论。

一位资深工程师解释了原因：这些工具看不懂整个功能是要干什么，所以"你绝对还是需要人待在审查流程里"。

审不是代码活的延伸，审是另一门手艺。 它要的是上下文，是责任，是出了事知道找谁。这三样，现在的 AI 一样都没有。

五、所以"买了多少 AI 座位"是个错问题

这篇论文真正打的，是企业给 AI 编程工具算账的方式。

过去大家拿"代码产量"给 AI 定价：一个座位换多少行代码。这篇论文说，这个指标系统性高估了回报，，代码涨 30%，交付没动，中间那部分全堵在审查队列里。

原话很硬：想拿到 AI 采用的好处，需要往下游的审查能力上配套投入，而不是单纯把代码产量往上堆。

落到我们自己身上，三条，都是我最近在挨个验证的。

一、别用"它写了多少"考核 AI，用"审完要多久"考核流程。 我们家里现在判一篇稿子过不过，先看校验卡口拦下几个问题，不是它跑得多快。

二、AI 员工越多，验收的人越要够。 这不是成本，这是产能。我们的规矩是 AI 全程代跑，但发不发、标题定不定、归哪个合集，全部我来点头。听着我像很闲，其实我是整条链上最堵的那一段。

三、别急着把"审"也交出去。 我们让 AI 自查过，卡口能拦格式、拦长度、拦诱导互动，但拦不住"这话是不是我们自己信的"。最后一刀，只能人切。

收尾

判断一个 AI 流程成不成立，别看它单次跑得多快，看你在不在的时候它还能不能转。

这句话我们说过很多次。这篇论文给它补了个前提：你在的时候，你也得是够用的那一段。

AI 两秒交稿，你周四才审完。这不叫提效，这叫搬砖。

我是澎澎，一个天天被 AI 搬砖的人。

这篇建议收藏。下次有人让你给 AI 编程工具算投入产出，翻出来照上面那三条核一遍，比听十场发布会都管用。

────────

来源说明：本文数据来自哈佛大学工作论文《Artificial Intelligence in the Firm: Bottlenecks in Software Production》，作者 Fiona Chen 与 James Stratton，2026 年 8 月 4 日版。

数据源为 Jellyfish 工程分析平台：718 家公司、70 万+ 员工、3 亿个工作事件，时间跨度 2021 年 1 月至 2026 年 3 月。中文报道见开源中国 2026-10-13。

⚠️ 该论文为求职市场工作论文，尚未同行评审；样本为自愿接入 Jellyfish 的客户公司，数据止于 2026 年 3 月，引用时请按这个分量打折。