ИИ-агенты пишут больше кода — но не доставляют больше фич

АИ-агенты для написания кода (AI coding agents) стали повсеместным инструментом в индустрии — но крупное гарвардское исследование бросает вызов оптимистичным прогнозам. Анализ данных более 700 компаний и 700 000 сотрудников через платформу Jellyfish показал: после внедрения ИИ-агентов количество строк кода выросло на 30%, коммиты — на 20%, а pull request’ы (запросы на слияние кода) — на 23%. Однако этот рост не привёл к ускорению выпуска готовых фич: показатели закрытия задач и эпиков в Jira статистически не изменились.

Узкое место — не скорость написания кода

Исследователи проанализировали агрегированные данные Jellyfish, охватывающие около 300 миллионов инженерных событий за период с 2021 по март 2026 года — данные от более 700 компаний и свыше 700 000 сотрудников.

Авторы исследования — Фиона Чен и Джеймс Страттон из Гарварда; работа впервые была освещена в Ars Technica.

Главный вывод: скорость генерации кода уже не является проблемой. Проблема — в том, что происходит после.

«ИИ-агенты сжали фазу написания кода, но не убрали координацию и проверку, которые следуют за ней.» — выводы исследования

В среднем время между подачей pull request’а и его слиянием в кодовую базу выросло на 49% после внедрения ИИ-агентов. Доля pull request’ов, в которых запрашиваются правки, почти удвоилась, а количество комментариев на каждый запрос выросло на 35%.

⚠ Парадокс продуктивности
Чем больше кода генерирует ИИ, тем дольше люди его проверяют. Скорость написания растёт — скорость доставки нет.

Цифры: что изменилось после внедрения ИИ-агентов

МетрикаИзменениеКомментарий
Строки кода+30%Значительный рост
Коммиты+20%Больше фиксаций изменений
Pull requests+23%Больше запросов на проверку
Закрытые задачи в Jira~0%Статистически не значимо
Время code review+49%Узкое место системы
Комментарии на PR+35%Больше правок

ИИ-ревью не спасает ситуацию

Теоретически ИИ мог бы помочь и в процессе code review (проверки кода), но исследователи установили, что пока его влияние там минимально. К марту 2026 года около 80% измеренных компаний использовали ту или иную форму ИИ-проверки кода, однако ИИ-агенты отвечали лишь за 23,3% комментариев при ревью и 10,8% всех pull request’ов — основная работа по-прежнему лежит на людях.

ℹ Важно
Исследование также не выявило значимых изменений в уровне занятости: ИИ-агенты не привели к массовому замещению инженеров-программистов.

Как выглядит жизненный цикл PR с ИИ-агентом


graph TD
    A[Разработчик ставит задачу] --> B[ИИ-агент генерирует код]
    B --> C[Pull Request создан]
    C --> D{Code Review — человек}
    D -->|Правки| E[Доработка и повторный PR]
    E --> D
    D -->|Одобрен| F[Merge в кодовую базу]
    F --> G[Фича задеплоена]
    style D fill:#ff9900,color:#000
    style E fill:#ff6666,color:#fff

Как видно из схемы, узкое место (выделено оранжевым) — это именно этап проверки кода человеком. ИИ ускоряет шаги до него, но не после.

Что это значит для индустрии

Для команд разработчиков вывод конкретен: следующий скачок продуктивности — скорее всего, в области ревью, тестирования и структурирования задач, а не в генерации ещё большего объёма кода.

Лучший выбор задач, более строгие тесты, автоматизированное ревью и чёткое распределение ответственности могут снизить текущее узкое место.

💡 Рекомендация для команд
Если вы внедряете AI coding agents — инвестируйте параллельно в автоматизацию code review и CI/CD-пайплайны. Иначе скорость генерации кода будет нивелирована временем на ручную проверку.

Центральный урок прост: ИИ-агенты увеличили предложение кода — но не пропускную способность производства готового программного обеспечения.

Данные исследования охватывают период до марта 2026 года, а возможности агентов продолжают развиваться — так что итоговая картина ещё может измениться. Но пока разрыв между «написать» и «задеплоить» остаётся главной проблемой отрасли.