Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарHacker News AI→ оригинал

ИИ-агенты добавили инженерам 30% кода, а проверка изменений стала дольше на 49%

Гарвардские аспиранты изучили 718 компаний: после внедрения ИИ-агентов инженеры добавляют на 30% больше кода, но задач, дошедших до продакшна, не прибавилось. Зато проверка pull request — пакета правок, который коллеги должны одобрить перед слиянием, — выросла с 7 до 10,5 дня, то есть на 49%. Код пишется быстрее, проверяющих столько же. Поэтому при покупке агентов сначала считайте мощность ревью, а не скорость генерации.

AI-обработка оригинала Hacker News AI; редакция Hamidun News
ИИ-агенты добавили инженерам 30% кода, а проверка изменений стала дольше на 49%
Источник: Hacker News AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHacker News AI ↗
Главный редактор
Выборка725 938 сотрудников, данные Jellyfish за 2021–2026 годы
Ключевой факт #2Запросы правок в pull request выросли с 13% почти до 25%
Ключевой факт #3ИИ написал лишь 23,3% комментариев ревью, хотя ИИ-ревьюеры есть у ~80% фирм

Представьте команду, которой выдали ИИ-агентов: черновики кода появляются в разы быстрее, дашборды зеленеют. А пользователи новых функций так и не видят. Именно такую картину описывает рабочая статья двух аспирантов Гарварда, Фионы Чен и Джеймса Стрэттона, по данным 718 компаний. После внедрения агентов инженеры добавляли примерно на 30% больше кода (в среднем +1494 строки на человека в месяц к базовым 5017). Но число завершённых задач статистически не выросло, а путь pull request, то есть пакета изменений, который коллеги проверяют перед слиянием в основную ветку, удлинился на 49%: с 7,03 до примерно 10,5 дня. Узкое место переехало с написания кода на его проверку.

Что именно измерили

Авторы взяли данные Jellyfish, компании, которая продаёт аналитику по инженерной активности, и сопоставили их с профилями занятости LinkedIn от Revelio Labs. В выборку вошли 725 938 сотрудников в 718 фирмах за период с января 2021 по март 2026 года, причём только клиенты Jellyfish, согласившиеся на исследовательское использование данных. Внутри 68,3 млн задач в Jira, 200,9 млн коммитов и 49,1 млн pull request. Данные о календаре встреч дали лишь 213 фирм из 718.

Метод — сравнение по месяцам: как менялись показатели у компаний, уже внедривших агентов, и у тех, кто ещё не успел. Даты внедрения, по словам авторов, зависели в основном от того, когда фирма узнала об инструментах и как долго шла закупка: согласования с юристами и безопасностью, пилоты. В одной компании инструмент одобрили за день, в другой, по словам интервьюируемого, это занимало от шести до двенадцати месяцев. Авторы считают такие задержки не связанными с темпами роста самой фирмы и учитывают размер компании, ведь крупные внедряли раньше. Остаточное смещение, если оно есть, скорее завысит пользу ИИ, чем занизит.

Код вырос, готовая работа нет

Коммитов стало больше на 20%, pull request — на 23%. Оговорка авторов: это добавочный эффект агентов в компаниях, где ИИ-ассистенты для кода уже использовались, а не эффект «с нуля».

А вот готовая работа не сдвинулась. Законченной считается задача в Jira, код которой выкатили в продакшн. Их число изменилось на 0,12 на человека в месяц при базе 3,67 — это неотличимо от нуля, а доверительный интервал исключает рост больше чем на 12%. Авторы проверили очевидное возражение: вдруг инженеры взялись за более крупные задачи. Они разметили 0,5% задач по размеру с помощью GPT-4o и распространили оценки на остальные через эмбеддинги. Средний размер задачи не изменился, pull request тоже не раздулись.

Затор на ревью

Доля pull request с формальным запросом на доработку выросла примерно на 12 процентных пунктов при базе 13%, то есть почти вдвое. Комментариев на каждый pull request стало на 35% больше. Доля сотрудников, которые вообще делают ревью, выросла на 14% от базовых 29%, а доля пишущих код не изменилась.

ИИ-ревьюеры затор не сняли. К марту 2026 года такие инструменты пробовали около 80% фирм, но ИИ написал лишь 23,3% комментариев, а хотя бы один комментарий от ИИ получили только 10,8% pull request. Один из опрошенных джуниоров рассказал, что одобрять его изменения мог единственный сеньор и успевал раз в неделю. После сбоев из-за коммитов, сгенерированных ИИ, появилось правило: такой код обязательно смотрит сеньор, и очередь выросла ещё сильнее.

Авторы объясняют цифры двумя механизмами. Первый: больше кода приходит к тому же числу проверяющих, и это лечится перераспределением людей на ревью. Второй: рост запросов на правки намекает на более слабые черновики, и это уже вопрос качества самих моделей. От того, какой механизм доминирует, зависит, на что тратить бюджет.

Ограничения и вывод

Это рабочая статья, поданная как job-market paper, признаков завершённого рецензирования нет. Текущая версия датирована 4 августа 2026 года, первая — 7 января. Занятость при этом не просела: оценки исключают падение общей занятости больше чем на 2,9%, хотя это краткосрочный эффект. Независимая работа NBER на данных более чем 500 000 разработчиков GitHub показывает похожий разрыв: рост коммитов от автономных агентов на 240% превращается в 30% по реальным релизам. У двух исследований есть свои оговорки: авторы NBER-статьи связаны с Microsoft, владельцем GitHub. Обе работы описывают разработку ПО, а не, скажем, юридическую.

Практика проста. Измеряйте не объём сгенерированного кода, а время до принятого результата, долю возвратов на доработку и часы ревьюеров. Сначала планируйте ёмкость ревью, потом масштабируйте генерацию. И ведите журнал того, что проверяющие исправляют: он покажет, затор вызван объёмом или качеством черновиков.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что именно измерили?

Авторы взяли данные Jellyfish, компании, которая продаёт аналитику по инженерной активности, и сопоставили их с профилями занятости LinkedIn от Revelio Labs. В выборку вошли 725 938 сотрудников в 718 фирмах за период с января 2021 по март 2026 года, причём только клиенты Jellyfish, согласившиеся на исследовательское использование данных. Внутри 68,3 млн задач в Jira, 200,9 млн коммитов и 49,1 млн pull request. Данные о календаре встреч дали лишь 213 фирм из 718.

Что известно по теме: код вырос, готовая работа нет?

Коммитов стало больше на 20%, pull request — на 23%. Оговорка авторов: это добавочный эффект агентов в компаниях, где ИИ-ассистенты для кода уже использовались, а не эффект «с нуля». А вот готовая работа не сдвинулась. Законченной считается задача в Jira, код которой выкатили в продакшн. Их число изменилось на 0,12 на человека в месяц при базе 3,67 — это неотличимо от нуля, а доверительный интервал исключает рост больше чем на 12%.

Что известно по теме: затор на ревью?

Доля pull request с формальным запросом на доработку выросла примерно на 12 процентных пунктов при базе 13%, то есть почти вдвое. Комментариев на каждый pull request стало на 35% больше. Доля сотрудников, которые вообще делают ревью, выросла на 14% от базовых 29%, а доля пишущих код не изменилась. ИИ-ревьюеры затор не сняли. К марту 2026 года такие инструменты пробовали около 80% фирм, но ИИ написал лишь 23,3% комментариев, а хотя бы один комментарий от ИИ получили только 10,8% pull request.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Закрытый клуб практиков · Vibe Club

Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами

Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.

Вступить в Vibe Club →Тест-драйв Академии (72ч)
Что вы думаете?
Загружаем комментарии…