Коду побільшало, а статистично значущого зростання кількості завершених завдань дослідники не виявили. Після впровадження AI-агентів команди додавали на 30% більше рядків коду, але шлях від подання змін до їхнього прийняття подовжився на 49%.
Таку розбіжність описали Фіона Чен і Джеймс Страттон із Гарвардського університету в дослідженні Artificial Intelligence in the Firm: Bottlenecks in Software Production. Це дослідницький рукопис у версії від 4 серпня 2026 року. Автори проаналізували дані Jellyfish про 300 мільйонів робочих подій у 718 компаніях за період із січня 2021-го до березня 2026-го.
Замість короткого тесту із заздалегідь підготовленими завданнями дослідники спостерігали за робочими процесами компаній: активністю в GitHub, завданнями Jira та іншими показниками. Вони зіставляли зміни в організаціях, які впровадили AI в різний час, за допомогою методу різниці різниць.
Асистентів, які пропонують фрагменти коду, автори відокремили від агентів, здатних виконувати триваліші завдання з меншою участю людини. Для агентів зросли всі три показники активності: кількість рядків коду — на 30%, комітів — на 20%, pull requests — на 23%.
Pull request — це пропозиція включити зміни до проєкту. Такий робочий процес уже знайомий розробникам, які використовують Cline для роботи із завданнями через GitHub. Однак подати зміни на розгляд і довести функцію до користувачів — різні етапи.
Щоб оцінити готовий результат, автори аналізували закриття завдань і великих блоків роботи в Jira. Ефекти виявилися невеликими позитивними, але статистично незначущими. Це не доказ нульової користі AI: дані не дозволили впевнено підтвердити зростання за цими показниками.
Автори пов’язують розрив з обмеженнями перевірки коду. Час між поданням pull request і його злиттям з основною кодовою базою збільшився на 49%. Цей показник охоплює очікування та доопрацювання, тому його не можна тлумачити як «розробник витрачає на перевірку на 49% більше робочого часу».
Частка pull requests із запитами на доопрацювання майже подвоїлася, а кількість коментарів до кожного зросла на 35%. Частка працівників, які брали участь у перевірках, збільшилася на 14% відносно початкового рівня. Ці показники описують навантаження на узгодження, але самі собою не вимірюють кількість помилок у коді.
Сам AI уже бере участь у перевірках. До березня 2026 року такі інструменти використовували майже 80% компаній у вибірці. На AI припадало 23,3% коментарів під час перевірки, а хоча б один AI-коментар отримали 10,8% pull requests. Остання цифра не означає, що агенти створили 10,8% запитів.
Я б розділяв два питання: скільки змін допомагає підготувати агент і скільки з них доходить до робочого продукту. Прискорення першого етапу корисне, але саме собою не відповідає на друге питання.
Дослідження описує спостережувані процеси компаній, а не універсальний результат для кожного розробника. Дані закінчуються березнем 2026 року; подальші моделі та зміни робочих процесів у них не відображені. Тому робота показує конкретне обмеження AI-розробки, але не виносить остаточного вироку інструментам.