ИИ-агенты для программирования после внедрения подняли объём генерируемого кода в компаниях в среднем на 30%, число коммитов — на 20%, а пул-реквестов — на 23%. Но скорость закрытия продуктовых задач не изменилась статистически значимо: выигрыш разработчиков упёрся в ревью, где пул-реквесты стали проверять на 49% дольше, сообщает Ars Technica.
К такому выводу пришли исследователи Гарвардского университета Фиона Чен и Джеймс Страттон. Они изучили агрегированные данные платформы инженерной аналитики Jellyfish: 300 млн рабочих событий — включая коммиты и пул-реквесты — у более чем 700 тыс. сотрудников свыше 700 софтверных компаний. Период наблюдений охватывает 2021 год — март 2026-го.
Авторы сопоставляли показатели компаний до и после внедрения инструментов с ИИ, используя как данные об их фактическом применении, так и активность на GitHub. В анализе разделены помощники, дополняющие код, написанный человеком, и агенты, способные по заданию самостоятельно подготовить и отправить изменения. Именно вторые дали заметный прирост производственных метрик, которые легко посчитать: строки кода, коммиты, пул-реквесты.
Проблема в том, что эти метрики не равны поставленной функциональности. После внедрения агентов не выросла скорость закрытия Issues и Epics в системах управления задачами вроде Jira. Исследователи также не обнаружили сдвига в размере или сложности таких задач, который мог бы объяснить результат: компании не просто начали брать в работу более тяжёлые фичи и потому остались на прежнем темпе.
Ревью стало главным ограничителем
В среднем путь пул-реквеста от отправки до слияния с основной веткой стал длиннее на 49%. Доля изменений, по которым запросили доработки, почти удвоилась, а число комментариев на один пул-реквест выросло на 35%. Иными словами, ИИ-агенты для программирования быстро превращают постановку задачи в дифф, но не снимают с команды обязанность разобраться, что именно этот дифф делает, не ломает ли он соседние сценарии и соответствует ли архитектуре.
Компании отреагировали вполне предсказуемо: доля сотрудников, занятых код-ревью, выросла на 14%. При этом исследование не обнаружило значимых изменений общей численности персонала, которые можно было бы связать с внедрением ИИ. Это важная поправка к простому уравнению «меньше времени на написание кода — меньше разработчиков»: на практике время не исчезает, а перемещается в проверку, обсуждение и исправления.
Авторы отдельно оценили автоматизацию самого ревью. К марту 2026 года какой-либо ИИ-инструмент для проверки кода использовали 80% измеренных компаний, однако на агентов приходилось лишь 23,3% комментариев к ревью и 10,8% пул-реквестов. Основная часть работы осталась у людей. Для техлида это скорее аргумент не против автоматизации, а против планирования по количеству сгенерированных строк: чем больше машина производит изменений, тем дороже становится дефицитное внимание сильных ревьюеров.
Что измерять вместо строк кода
Результат не означает, что агенты бесполезны. Они могут хорошо работать на локальных и типовых задачах, где критерии готовности понятны, тесты надёжны, а изменение изолировано. Но при внедрении ИИ-агентов для программирования бизнесу стоит следить не только за числом коммитов и скоростью подготовки черновика, а за временем до слияния, долей возвратов на доработку, нагрузкой на ревьюеров и скоростью закрытия пользовательских задач. Иначе дашборд покажет взлёт продуктивности, а релизный календарь останется прежним.
Почти 95% компаний в выборке уже внедрили агентные инструменты, но период данных заканчивается в марте 2026 года, а сами практики их применения ещё формируются. Следующий вопрос для индустрии — смогут ли команды научиться ограничивать агентов подходящими задачами и перестроить тестирование с ревью так, чтобы прирост кода наконец превратился в прирост готового продукта.