AI 一天写的代码多了 30%，软件却没多出一个

过去两年，"AI 写代码" 几乎成了软件行业的标配 —— 到 2026 年初，95% 的受访软件企业已经用上了 AI 编程 Agent。但一项覆盖 700 多家企业、70 万名工程师的最新研究，给出了一个出人意料的结果：代码总量上涨了 30%，而实际的软件交付速度 —— 一条平线。

生成提速了，验证没跟上

这项由哈佛研究者基于 Jellyfish 工程效能数据完成的分析，覆盖了 2021 年至 2026 年 3 月间的 3 亿个开发工作事件，是迄今规模最大的同类研究之一。

打个比方：后厨的刀工突然快了一倍，端上桌的菜却没变多 —— 堵住出菜口的不是刀工，是传菜通道。AI 把 "写代码" 的瓶颈干掉了，压力却原封不动地推给了下一站：看代码。

数据把这件事拆得很细。AI Agent 引入后，提交的代码评审请求数量增加了 23%，但每个请求从提交到合并的平均时长拉长了 49%；被要求返工的比例接近翻倍，每个请求收到的评审意见增加了 35%。公司只能让更多工程师参与评审，这类人员占比上升了 14%。更微妙的是：80% 的公司已经用上 AI 辅助评审，但所有评审意见里 AI 只贡献了 23%——"验证" 这活儿，AI 目前还接不住。

行业的共识正在形成

工程团队开始用更小颗粒度的提交、更早介入的评审，来消化多出来的代码。行业里逐渐形成一条共识：AI 提高的是生成速度，交付质量不会自动跟着涨 —— 它取决于流程怎么设计。写得多，不等于写得好；跑得通，不等于靠得住。

瓶颈转移，是流程问题

这正是我们在构建 AI 软件工厂时反复推敲的问题。Codigger 的做法有三层：

• 人工把关前置于发布：AI 产出的代码进入发布分支前，必须通过人工检查。这道关口不是不信任 AI，而是不让 "看起来能跑" 混进正式版本；
• 从源头分层：核心路径由工程师手写、应用层由 AI 生成，控制 "需要人读的代码总量"，而不是事后无限兜底；
• 测试门禁说话：用例跑不过，代码不许合并，让每一行代码从 "能跑" 变成 "证得过"。

AI 时代，流程设计比生成速度更稀缺。

写代码在贬值，判断代码在升值

这项研究最大的价值，不是给 AI 编程泼冷水，而是提醒我们：AI 没有消灭工程师，它把工程师的瓶颈从写移到了判。代码会越来越便宜，判断力会越来越贵。

下一个最值钱的能力，是 "会判"。