AI coding agents generate more code, but not more software

AI coding agents generate more code, but not more software. The reason for that discrepancy can be found directly in the code review process, which takes markedly longer on average after the introduction of AI coding agents. Overall, the average “review process” time between a pull request getting submitted and it being merged into the codebase balloons 49 percent on average after AI agents are introduced.

That effect can be seen in more granular data, too, with “the share of pull requests with changes requested nearly doubling, and the number of comments per pull request increasing by 35%” following the AI agent shift, the researchers write. In response to this change, the researchers found a 14 percent increase in the share of workers performing code reviews after AI agents’ introduction. They also write that they “cannot attribute significant employment changes to AI” after looking at total active workers across Jellyfish and cross-referencing with Linked In data at those firms.

Pull requests need changes a lot more often in the “agentic coding” era. Pull requests need changes a lot more often in the “agentic coding” era. Credit: Chen and Stratton While AI could also theoretically help with this review process, the researchers found that, so far, that impact has been marginal.

Although 80 percent of measured firms used some form of AI code review by March 2026, AI agents were only responsible for 23.3 percent of all review comments and 10.8 percent of all pull requests, suggesting humans were still responsible for the vast majority of this work. AI agents are still a relatively new part of the coding world, of course, and there have been significant updates and upgrades to their output even since this study’s March 2026 data cutoff. And while 95 percent of firms in the study have implemented AI coding agents by this point, many are doubtlessly still going through a learning process regarding when and how to best deploy them.

These kinds of “coding time versus review time” trade-offs could improve as software engineering teams gain more experience with the pros and cons of siccing an AI agent on particular coding problems. For now, though, letting AI write your code looks like a double-edged sword, with increases in coding speed counteracted by similar increases in human code review time and effort. It’s the kind of result that makes us wonder if the considerable time and expense to get AI coding agents working is really worth it for most companies.

يولد وكلاء برمجة الذكاء الاصطناعي المزيد من الشيفرة، لكنه لا يولد المزيد من البرمجيات. يمكن العثور على سبب هذا التناقض مباشرةً في عملية مراجعة الشيفرة، التي تستغرق وقتًا أطول بوضوح في متوسطها بعد إدخال وكلاء الذكاء الاصطناعي. بشكل عام، يزدى متوسط "وقت العملية" بين تقديم طلب السحب (pull request) ودمجه في قاعدة الشيفرة بنسبة 49% في متوسطه بعد إدخال وكلاء الذكاء الاصطناعي. يمكن رؤية هذا التأثير في البيانات الأكثر تفصيلاً أيضًا، حيث يكتب الباحثون: "نسبة طلبات السحب التي تطلب تغييرات تقريبًا تضاعفت، وزاد عدد التعليقات على طلب السحب بنسبة 35%" بعد تغيير وكلاء الذكاء الاصطناعي. في ردهم على هذا التغيير، وجد الباحثون زيادة بنسبة 14% في نسبة العمال الذين يجريون مراجعات الشيفرة بعد إدخال وكلاء الذكاء الاصطناعي. كما يكتبون أنهم "لا يستطيعون توجيه تغييرات وظيفية ملحوظة إلى الذكاء الاصطناعي" بعد أن نظروا إلى إجمالي العمالة النشطة عبر Jellyfish وقارنوا البيانات عبر LinkedIn في تلك الشركات. تحتاج طلبات السحب إلى التغيير بتردد أكبر للغاية في عصر "البرمجة الوكلانية". طلبات السحب تحتاج إلى التغيير بتردد أكبر للغاية في عصر "البرمجة الوكلانية". الائتمان: Chen وStratton على الرغم من أن الذكاء الاصطناعي يمكنه أيضًا مساعدة نظريًا في هذه العملية، وجد الباحثون أن التأثير كان محدودًا حتى الآن. على الرغم من أن 80% من الشركات المقاسة استخدمت أيًا من أشكال مراجعة الشيفرة بالذكاء الاصطناعي في مارس 2026، كانت وكلاء الذكاء الاصطناعي مسؤولين فقط عن 23.3% من جميع التعليقات في المراجعة و10.8% من جميع طلبات السحب، مما يشير إلى أن البشر كانوا مسؤولين عن الغالبية العظمى من هذا العمل. هذه وكلاء الذكاء الاصطناعي لا تزال جزءًا نسبيًا جديدًا من عالم البرمجة، بالطبع، وكانت هناك تحديثات وتحسينات كبيرة في مخرجاتها حتى منذ انتهاء بيانات هذا البحث في مارس 2026. وعلى الرغم من أن 95% من الشركات في الدراسة قد طبقوا وكلاء برمجة الذكاء الاصطناعي في هذه المرحلة، فإن العديد منهن بالتأكيد ما زالت تمر بالعملية التعلمية لمعرفة متى وكيفية الندم الأمثل للوكلاء به. قد تتحسن هذه أنواع الموازنات بين "وقت البرمجة مقابل وقت المراجعة" مع مزيد من الخبرة الذي يكتسبه فرق هندسة البرمجيات في فوائد وعيوب وضع الوكلاء على مشاكل البرمجة المحددة. في الوقت الحالي، لكن الإبقاء على الذكاء الاصطناعي يكتب شيفرتك يبدو كحلافة مزدوجة، حيث يُعكس زيادة سرعة البرمجة عن زيادات مشابهة في وقت وجهد مراجعة الشيفرة البشرية. هذا هو النوع من النتيجة الذي يجعلنا نتساءل ما إذا كان الوقت والمصروف الهائلان لجعل وكلاء برمجة الذكاء الاصطناعي يعملان صالحًا بالفعل بالنسبة لمعظم الشركات.

আইসিএইআই কোডিং এজেন্টস বেশি কোড জেনারেট করে, কিন্তু বেশি সফটওয়্যার তৈরি করে না। এই বিচ্যুতির কারণ সরাসরি কোড রিভিউ প্রক্রিয়ায় পাওয়া যায়, যা আইসিএইআই কোডিং এজেন্টসের পরিচয় করার পরে গড়ে অনেক বেশি সময় লেয়। মোটামুটে, একটি পুল রিকোয়েস্ট কোডবেসে মার্জ হওয়ার মধ্যে গড় "রিভিউ প্রক্রিয়া" সময়, আইসিএইআই এজেন্টসের পরিচয় করার পরে 49% পর্যন্ত বাড়ে। এই প্রভাবটি আরও বিস্তারিত ডেটায়ও দেখা যায়, যেখানে শ্রেণিকর্তারা লিখেছেন যে "পুল রিকোয়েস্টে মডিফিকেশন চেয়ের হার প্রায় দুগুণ হয়ে গেল, এবং প্রতি পুল রিকোয়েস্টে কমেন্টের সংখ্যা 35% পর্যন্ত বাড়ে"। এই পরিবর্তার উত্তরে, শ্রেণিকর্তারা পাওয়ান যায় যে আইসিএইআই এজেন্টসের পরিচয় করার পরে কোড রিভিউ করতে কর্মজীবীদের হারে 14% বৃদ্ধি হয়েছে। তারা এছাড়াও লিখেছেন যে তারা "আইসিএইআইর কারণে গুরুত্বপূর্ণ নয় এমন কর্মক্ষমতা পরিবর্তন বর্ণনা করতে পারছেন না" যেখানে তারা Jellyfish-এ মোট সক্রিয় কর্মজীবীদের সংখ্যা পর্যবেক্ষণ করেছেন এবং সেই কোম্পানিগুলিতে LinkedIn ডেটা সহ জুড়ে দেখেছেন। আইসিএইআই এজেন্টিক কোডিংয়ের যুগে পুল রিকোয়েস্টগুলি বেশি বার পরিবর্তনের প্রয়োজন হয়। আইসিএইআই এজেন্টিক কোডিংয়ের যুগে পুল রিকোয়েস্টগুলি বেশি বার পরিবর্তনের প্রয়োজন হয়। ক্রেডিট: চেন ও স্ট্র্যাটন সম্পূর্ণরূপে যদিও আইসিএইআই এই রিভিউ প্রক্রিয়ায় সাহায্য করতে পারে, তবু শ্রেণিকর্তা পাওয়ান যায় যে এটি এখনও একমাত্র প্রভাব রয়েছে। যদিও 2026 মার্চের মধ্যে মাপা 80% কোম্পানিগুলি কোনও রকম আইসিএইআই কোড রিভিউ ব্যবহার করেছে, আইসিএইআই এজেন্টগুলি কেবল সমস্ত রিভিউ কমেন্টের 23.3% এবং সমস্ত পুল রিকোয়েস্টের 10.8% জন্য দায়ী ছিল, যা সন্দেহ করিয়ে দেয় যে মানুষগুলি এখনও এই কাজের বেশিরভাগ পরিমাণে দায়ী। আইসিএইআই এজেন্টগুলি অবশ্যই কোডিং বিশ্বের একটি তেহসিলযোগ্য নতুন অংশ, অবশ্যময়ী, এবং এই গবেষণার মার্চ 2026 ডেটা কাটআউটের পর থেকে তাদের আউটপুটে উল্লেখযোগ্য আপডেট এবং আপগ্রেড দেখা যায়। আর যদিও গবেষণায় 95% কোম্পানি এই মুহূর্তে আইসিএইআই কোডিং এজেন্টগুলি প্রয়োগ করেছে, অনেকেই নিশ্চয়ই এগুলিকে কখন ও কীভাবে সেরা ভাবে ডিপ্লয় করবে তা নিয়ে একটি শিক্ষণ প্রক্রিয়ার মধ্যে দৌড়াচ্ছে। এই ধরনের "কোডিং সময় বনাম রিভিউ সময়" ট্রেড-অফগুলি কোডিং সমস্যগুলিকে নির্দিষ্ট করতে একটি আইসিএইআই এজেন্টকে ব্যবহার করার সুযোগ ও অসুবিধার দিকের জন্য সফটওয়্যার ইঞ্জিনিয়ারিং টিমগুলি আপেল যাচ্ছে তাদের অভিজ্ঞতা করার সঙ্গে সম্পূর্ণরূপে উন্নত হতে পারে। বর্তমানে, যদি আপনি আইসিএইআইকে আপনার কোড লিখতে দেওয়া ব্যবসার জন্য এত বেশি সময় এবং খরচ প্রয়োজন কিনা সত্যিকারের মূল্যবান তা নিয়ে সন্দেহ করা যায়।

KI-Codierungsagenten generieren mehr Code, aber nicht mehr Software. Der Grund für diesen Diskrepanz lässt sich direkt im Code-Review-Prozess finden, der im Durchschnitt nach Einführung der KI-Agenten deutlich länger dauert. Insgesamt vergrößert sich die durchschnittliche "Review-Zeit" zwischen dem Einreichen eines Pull Requests und dessen Zusammenführungs in den Code-Bestand um 49%, nachdem KI-Agenten eingeführt wurden.

Dieser Effekt lässt sich auch in detaillierteren Daten sehen, wobei die Forscher schreiben, dass "der Anteil der Pull-Anfragen mit angeforderten Änderungen fast verdoppelt wurde und die Anzahl der Kommentare pro Pull-Anfrage um 35% angestiegen ist" nach dem KI-Agenten-Wechsel. Als Reaktion auf diese Änderung fanden die Forscher eine 14%ige Erhöhung des Anteils der Mitarbeiter, die Code-Reviews durchführen, nachdem KI-Agenten eingeführt wurden. Sie schreiben auch, dass sie "keine signifikanten Beschäftigungsänderungen auf KI zurückführen können", nachdem sie die Gesamtzahl der aktiven Mitarbeiter bei Jellyfish analysiert und die Daten mit LinkedIn in diesen Unternehmen gecrosst haben.

Pull-Anfragen benötigen in der "agentischen Codierung"-Ära deutlich häufiger Änderungen. Pull-Anfragen benötigen in der "agentischen Codierung"-Ära deutlich häufiger Änderungen. Bildnachweis: Chen und Stratton Obwohl KI auch theoretisch mit diesem Review-Prozess helfen könnte, fanden die Forscher heraus, dass dieser Effekt bisher begrenzt war.

Obwohl 80% der gemessenen Unternehmen bis März 2026 irgendeine Form des KI-Code-Reviews verwendet haben, waren KI-Agenten für lediglich 23,3% aller Review-Kommentare und 10,8% aller Pull-Anfragen verantwortlich, was darauf hindeutet, dass Menschen immer noch für die größere Menge dieser Arbeit verantwortlich sind. KI-Agenten sind natürlich noch ein relativ neuer Teil der Coding-Welt, und es gab bereits seit dem Datenschnitt dieser Studie im März 2026 signifikante Updates und Upgrades ihres Outputs. Obwohl 95% der Unternehmen in der Studie zu diesem Zeitpunkt KI-Codierungsagenten implementiert haben, sind viele wahrscheinlich immer noch in einem Lernprozess, um zu verstehen, wann und wie sie sie am besten einsetzen.

Diese Art von "Coding-Zeit versus Review-Zeit"-Abwägungen könnten sich verbessern, wenn Software-Engineering-Teams mehr Erfahrung mit den Vor- und Nachteilen, einen KI-Agent auf bestimmte Codierungsprobleme zu schmeißen, sammeln. Für den Moment aber wirkt es, als würde man KI das Schreiben Ihres Codes als doppeltes Schwert betrachten, wobei Steigerungen bei der Codierungsgeschwindigkeit durch ähnliche Steigerungen bei der menschlichen Code-Review-Zeit und -Anstrengung ausgeglichen. Es ist die Art von Ergebnis, das uns dazu bringt zu fragen, ob der erhebliche Aufwand und die Kosten, die erforderlich sind, um KI-Codierungsagenten zum Laufen zu bringen, wirklich für die meisten Unternehmen lohnend sind.

Los agentes de codificación con IA generan más código, pero no más software. La razón de esta discrepancia se encuentra directamente en el proceso de revisión de código, que tarda notablemente más en promedio después de la introducción de los agentes de IA. En general, el tiempo promedio del "proceso de revisión" entre que se envía una solicitud de extracción (pull request) y que se fusiona en el código fuente aumenta un 49% en promedio después de que se introducen los agentes de IA.

Este efecto se puede ver en datos más granulares también, con "el porcentaje de solicitudes de extracción con cambios solicitados casi duplicarse, y el número de comentarios por solicitud de extracción aumentar un 35%"", escriben los investigadores. En respuesta a este cambio, los investigadores encontraron un aumento del 14% en la proporción de trabajadores que realizan revisiones de código después de la introducción de los agentes de IA. También escriben que "no pueden atribuir cambios significativos en la empleo a la IA" después de revisar los trabajadores activos totales en Jellyfish y cruzar los datos con LinkedIn en esas empresas.

Las solicitudes de extracción necesitan cambios con mucha más frecuencia en la era del "coding agentic". Las solicitudes de extracción necesitan cambios con mucha más frecuencia en la era del "coding agentic". Crédito: Chen y Stratton Aunque la IA también podría teóricamente ayudar con este proceso de revisión, los investigadores encontraron que, hasta ahora, ese impacto ha sido marginal.

Aunque el 80% de las empresas medidas usaron algún tipo de revisión de código con IA para marzo de 2026, los agentes de IA solo fueron responsables del 23.3% de todos los comentarios de revisión y el 10.8% de todas las solicitudes de extracción, sugiriendo que los humanos aún eran responsables de la gran mayoría de este trabajo. Los agentes de IA todavía son una parte relativamente nueva del mundo de la codificación, por supuesto, y han habido actualizaciones significativas y mejoras en su salida incluso desde que se cortó este estudio en marzo de 2026. Y aunque el 95% de las empresas en el estudio han implementado agentes de codificación con IA en este punto, muchas seguramente aún están pasando por un proceso de aprendizaje sobre cuándo y cómo implementarlos mejor.

Estos tipos de compromisos entre "tiempo de codificación versus tiempo de revisión" podrían mejorar a medida que los equipos de ingeniería de software ganen más experiencia con las ventajas y desventajas de encargarle a un agente de IA problemas de codificación específicos. Por ahora, sin embargo, dejar que la IA escriba su código parece una hoja de ruta doble, con aumentos en la velocidad de codificación contrarrestados por aumentos similares en el tiempo y esfuerzo de la revisión de código por parte de los humanos. Es el tipo de resultado que nos hace preguntarnos si el considerable tiempo y gasto en hacer que los agentes de codificación con IA funcionen realmente vale la pena para la mayoría de las empresas.

Les agents de codage IA génèrent plus de code, mais pas plus de logiciels. La raison de cette divergence se trouve directement dans le processus de revue de code, qui prend beaucoup plus de temps en moyenne après l'introduction des agents IA. En général, le temps moyen du "processus de revue" entre l'envoi d'une demande d'extraction (pull request) et son intégration dans la base de code augmente de 49 % en moyenne après l'introduction des agents IA.

Cet effet peut également être vu dans des données plus détaillées, avec les chercheurs notant que "le pourcentage de demandes d'extraction avec des modifications demandées presque doublé, et le nombre de commentaires par demande d'extraction a augmenté de 35 %" après le passage aux agents IA. En réponse à ce changement, les chercheurs ont constaté une augmentation de 14 % du pourcentage de travailleurs effectuant des revues de code après l'introduction des agents IA. Ils écrivent également qu'ils "ne peuvent pas attribuer de changements d'emploi significatifs à l'IA" après avoir examiné le nombre total de travailleurs actifs chez Jellyfish et croisé les données avec LinkedIn dans ces entreprises.

Les demandes d'extraction ont besoin de modifications beaucoup plus souvent dans l'ère du "coding agentique". Les demandes d'extraction ont besoin de modifications beaucoup plus souvent dans l'ère du "coding agentique". Crédit : Chen et Stratton Bien que l'IA puisse également théoriquement aider à ce processus de revue, les chercheurs ont constaté que, jusqu'à présent, cet impact restait marginal.

Bien que 80 % des entreprises mesurées aient utilisé une forme de revue de code IA en mars 2026, les agents IA n'étaient responsables que de 23,3 % de tous les commentaires de revue et de 10,8 % de toutes les demandes d'extraction, suggérant que les humains étaient toujours responsables de la majeure partie de ce travail. Les agents IA sont évidemment encore une partie relativement nouvelle du monde du codage, et des mises à jour importantes et des améliorations de leur sortie ont eu lieu même depuis la date limite des données de cette étude en mars 2026. Et bien que 95 % des entreprises dans l'étude aient mis en œuvre des agents de codage IA à ce stade, beaucoup ont probablement encore un processus d'apprentissage quant à comment et quand les déployer de la meilleure manière.

Ces types d'équilibres entre "temps de codage versus temps de revue" pourraient s'améliorer à mesure que les équipes d'ingénierie logicielle gagneront en expérience sur les avantages et les inconvénients de confier des problèmes de codage spécifiques à un agent IA. Pour l'instant, laisser l'IA écrire votre code ressemble à une épée de double tranchant, avec des augmentations de la vitesse de codage contrebalancées par des augmentations similaires du temps et de l'effort de revue de code humain. C'est le type de résultat qui nous fait nous demander si le temps et le coût considérables nécessaires pour que les agents de codage IA fonctionnent sont vraiment valables pour la plupart des entreprises.

आईएआई कोडिंग एजेंट्स अधिक कोड उत्पन्न करते हैं, लेकिन अधिक सॉफ़्टवेयर नहीं। इस विफलता का कारण सीधे कोड रिव्यू प्रक्रिया में मिल सकता है, जो आईएआई के एजेंट्स की पेशकश के बाद औसत में स्पष्ट रूप से अधिक लेती है। सामान्य रूप से, एक पुल रिक्वेस्ट को कोड बेस में मर्ज होने तक के बीच औसत "रिव्यू प्रक्रिया" समय, आईएआई एजेंट्स की पेशकश के बाद 49% तक ज़रूर बढ़ जाता है। यह प्रभाव अधिक विस्तृत डेटा में भी देखा जा सकता है, जहाँ शोधकर्ता लिखते हैं कि "पुल रिक्वेस्ट में बदलाव की मांग की साझा लगभग दोगुनी हो गई और प्रति पुल रिक्वेस्ट के कमेंट की संख्या 35% तक बढ़ गई"। इस बदलाव के साथ, शोधकर्ताओं ने पाया कि आईएआई एजेंट्स की पेशकश के बाद कोड रिव्यू करने वाले क़ामचुरों की संख्या में 14% की वृद्धि हुई। उन्होंने यह भी लिखा कि वे जब तक कोई सामान्य कार्यकर्ता परिवर्तन को आईएआई से जुड़ने का प्रयास नहीं कर सकते, तब तक वे Jellyfish में सक्रिय कार्यकर्ताओं की कुल संख्या को देखते हैं और उन कंपनियों पर LinkedIn डेटा के साथ क्रॉस-रेफ़रेंस करते हैं। आईएआई एजेंटिक कोडिंग के युग में पुल रिक्वेस्ट को बदलाव की आवश्यकता अधिक बार होती है। आईएआई एजेंटिक कोडिंग के युग में पुल रिक्वेस्ट को बदलाव की आवश्यकता अधिक बार होती है। क्रेडिट: चेन और स्ट्राटन अगर आईएआई भी सिद्धांत रूप से इस रिव्यू प्रक्रिया में मदद कर सके, तो भी शोधकर्ता पाए कि वह प्रभाव अब तक के लिए सीमित था। जबकि 2026 के मार्च में मापी गई 80% कंपनियों ने आईएआई कोड रिव्यू का कोई भी रूप अपनाया है, आईएआई एजेंट्स केवल सभी रिव्यू कमेंट्स के 23.3% और सभी पुल रिक्वेस्ट्स के 10.8% के लिए ज़िम्मेदार थे, जो संकेत देता है कि मानव अभी भी इस काम की अधिकांश मात्रा के लिए ज़िम्मेदार हैं। आईएआई एजेंट्स केस अभी भी कोडिंग दुनिया में एक अनुपातानुसार नया हिस्सा है, अर्थात् स्वयं इस अध्ययन के मार्च 2026 डेटा कट ऑफ़ के बाद से उनके आउटपुट में ठोस अपडेट और अपग्रेड हुए हैं। और जबकि इस अध्ययन में 95% कंपनियाँ इस बिंदु पर आईएआई कोडिंग एजेंट्स को लागू कर चुकी हैं, तभी कई कंपनियाँ आवश्यक रूप से अभी भी उन्हें कब और कैसे सबसे अच्छी तरीके से डिप्लॉय करना है इस बारे में एक सीखने की प्रक्रिया में तैराव कर रही हैं। इन तरह के "कोडिंग टाइम वर्स रिव्यू टाइम" के ट्रेड-ऑफ़ को बेहतर बनाया जा सकता है जैसे ही सॉफ़्टवेयर इंजीनियरिंग टीमें इन एजेंट्स को किसी विशिष्ट कोडिंग समस्या पर लगाने के लाभों और नुकसानों के बारे में अधिक अनुभव कमाएँ। अभी के लिए, आईएआई को अपना कोड लिखने देना एक दो-पक्षीय ताक़त की तरह दिखता है, जहाँ कोडिंग की गति में वृद्धि को मानव कोड रिव्यू के समय और प्रयास में समान वृद्धि के साथ विरोध किया जाता है। यह वह प्रकार का परिणाम है जो हमें सवाल पूछता है कि अधिकांश कंपनियों के लिए आईएआई कोडिंग एजेंट्स को काम करने के लिए बहुत सारा समय और खर्च उसके हकदार है या नहीं।

Agent kode AI menghasilkan lebih banyak kode, tetapi tidak lebih banyak perangkat lunak. Alasan ketidaksesuaian ini dapat ditemukan secara langsung dalam proses review kode, yang memakan waktu jauh lebih lama secara rata-rata setelah pengenalan agent AI. Secara umum, waktu rata-rata "proses review" antara mengirimkan pull request dan digabungkan ke dalam basis kode melebar 49% pada rata-rata setelah agent AI diperkenalkan.

Efek ini juga dapat dilihat dalam data yang lebih terperinci, dengan peneliti menulis bahwa "persentase pull request dengan perubahan yang diminta hampir dua kali lipat, dan jumlah komentar per pull request meningkat 35%" setelah pergeseran agent AI. Sebagai respons terhadap perubahan ini, peneliti menemukan peningkatan 14% dari persentase pekerja yang melakukan review kode setelah pengenalan agent AI. Mereka juga menulis bahwa mereka "tidak dapat mengatribusikan perubahan pekerjaan yang signifikan kepada AI" setelah meninjau total pekerja aktif di Jellyfish dan memersempurnakan data dengan LinkedIn di perusahaan tersebut.

Pull request membutuhkan perubahan jauh lebih sering dalam era "coding agentic". Pull request membutuhkan perubahan jauh lebih sering dalam era "coding agentic". Kredit: Chen dan Stratton Meskipun AI juga bisa teori membantu dengan proses review ini, peneliti menemukan bahwa, sampai saat ini, dampaknya masih marginal.

Meskipun 80% perusahaan yang diukur menggunakan bentuk tertentu review kode AI untuk Maret 2026, agent AI hanya bertanggung jawab atas 23,3% dari semua komentar review dan 10,8% dari semua pull request, yang menyarankan bahwa manusia masih bertanggung jawab atas mayoritas pekerjaan ini. Agent AI memang masih bagian yang relatif baru dari dunia kode, tentu saja, dan ada pembaruan dan upgrade yang signifikan pada output mereka bahkan sejak pemotongan data studi ini pada Maret 2026. Dan meskipun 95% perusahaan dalam studi telah menerapkan agent kode AI pada titik ini, banyak yang pasti masih melewati proses belajar mengenai kapan dan bagaimana cara terbaik untuk mendeployernya.

Jenis penyeimbangan ini antara "waktu coding versus waktu review" bisa berperkembang lebih baik seiring perusahaan teknik perangkat lunak mendapatkan pengalaman lebih banyak dengan pro dan kontra memaksa agent AI pada masalah kode tertentu. Untuk saat ini, namun, membiarkan AI menulis kode Anda terlihat seperti pisau ganda, dengan peningkatan kecepatan coding yang diimbangi oleh peningkatan serupa dalam waktu dan upaya review kode manusia. Itu adalah jenis hasil yang membuat kita bertanya-tanya apakah waktu dan biaya yang sangat besar untuk membuat agent kode AI berfungsi benar-benar bernilai untuk mayoritas perusahaan.

AIコーディングエージェントは多くのコードを生成するが、多くのソフトウェアを生成するわけではない。このギャップの原因は、コードレビュー工程に直接に見つけることができる。AIエージェントが導入された後、その工程の平均所要時間が顕著に長くなっている。一般的に、プルリクエストがコードベースにマージされるまでの平均的な"レビュー工程"の所要時間は、AIエージェントが導入された後、平均で49%増加している。この効果は、より細かいデータでも確認できる。研究者たちは、"プルリクエストの変更要求率がほぼ2倍になり、プルリクエストあたりのコメント数が35%増加している"と記している。この変化に対して、研究者たちはAIエージェント導入後にコードレビューを行う労働者の割合が14%増加したことを発見した。また、彼らはJellyfishのアクティブな従業員の総数を確認し、企業のLinkedInデータと照合することで、"AIによる顕著な雇用変化を帰属させることはできない"と書いている。エージェンシッピングの時代になると、プルリクエストが変更を必要とする頻度がはるかに多くなる。エージェンシッピングの時代になると、プルリクエストが変更を必要とする頻度がはるかに多くなる。画像提供者：ChenとStratton もしAIが理論的にこのレビュー工程を助けることができても、研究者たちはこれまでのところその影響は限定的であると見つけた。2026年3月時点で測定された80%の企業がAIコードレビューのいずれかの形態を使用していたが、AIエージェントはすべてのレビューコメントの23.3%とすべてのプルリクエストの10.8%を担当しており、人間がまだこの仕事の広範な部分を担当していることを示唆している。もちろん、AIエージェントはコード世界で比較的新しい一部であり、この研究の3月2026年のデータカットオフ以降、彼らの出力に大きな更新とアップグレードが行われてきた。そして、この調査の中で95%の企業がこの時点でAIコーディングエージェントを実装しているにもかかわらず、多くの企業は間違いなく導入のタイミングや方法を学んでいるプロセスを経ているだろう。ソフトウェアエンジニアリングチームが特定のコーディング問題に対してAIエージェントを使用する利点と欠点をより多くの経験を積むことで、このような"コーディング時間とレビュー時間"のトレードオフは改善される可能性がある。しかし、現時点では、AIにコードを書かせることは、コーディング速度の向上が人間のコードレビュー時間と労力の類似した向上によって相殺される二刀流の sword のように見える。このような結果は、AIコーディングエージェントを稼働させるために多大な時間と費用が、多くの企業のために本当に価値があるのかどうかを私たちが疑問に思うさせるものである。

Os agentes de codificação com IA geram mais código, mas não mais software. A razão por trás dessa discrepância pode ser encontrada diretamente no processo de revisão de código, que leva significativamente mais tempo em média após a introdução dos agentes de IA. Em geral, o tempo médio do "processo de revisão" entre uma solicitação de pull ser enviada e mesclada à base de código inflama 49% em média após a introdução dos agentes de IA.

Esse efeito pode ser visto em dados mais granulares também, com os pesquisadores escrevendo que "a parte das solicitações de pull com alterações solicitadas quase dobrou, e o número de comentários por solicitação de pull aumentou 35%" após a mudança para agentes de IA. Em resposta a essa mudança, os pesquisadores encontraram um aumento de 14% na parte dos trabalhadores realizando revisões de código após a introdução dos agentes de IA. Eles também escrevem que "não conseguem atribuir mudanças significativas de emprego à IA" após olhar para o total de trabalhadores ativos nas empresas Jellyfish e cruzar os dados com LinkedIn nesses empresas.

As solicitações de pull precisam de alterações muito mais frequentemente na era do "coding agentic". As solicitações de pull precisam de alterações muito mais frequentemente na era do "coding agentic". Crédito: Chen e Stratton Embora a IA também teoricamente pudesse ajudar com esse processo de revisão, os pesquisadores encontraram que, até agora, esse impacto tem sido marginal.

Embora 80% das empresas medidas tenham usado alguma forma de revisão de código com IA para março de 2026, os agentes de IA eram responsáveis apenas por 23.3% de todos os comentários de revisão e 10.8% de todas as solicitações de pull, sugerindo que os humanos ainda eram responsáveis pela maior parte desse trabalho. Os agentes de IA são, obviamente, ainda uma parte relativamente nova do mundo da codificação, claro, e houve atualizações significativas e melhorias em sua saída mesmo desde o corte de dados desse estudo em março de 2026. E embora 95% das empresas no estudo tenham implementado agentes de codificação com IA até esse ponto, muitas provavelmente ainda estão passando por um processo de aprendizado sobre quando e como melhor implantá-los.

Esses tipos de contrapartidas entre "tempo de codificação versus tempo de revisão" podem melhorar à medida que as equipes de engenharia de software ganham mais experiência com os prós e contras de mandar um agente de IA resolver problemas de codificação específicos. Por enquanto, no entanto, deixar a IA escrever seu código parece ser uma espada de dois gumes, com aumentos na velocidade de codificação contrabalançados por aumentos semelhantes no tempo e esforço de revisão de código humano. É o tipo de resultado que nos faz questionar se o tempo e a despesa consideráveis para que os agentes de codificação com IA funcionem realmente valem a pena para a maioria das empresas.

Агенты кодирования ИИ генерируют больше кода, но не больше программного обеспечения. Причина этого расхождения можно найти непосредственно в процессе проверки кода, который занимает значительно больше времени в среднем после введения агентов ИИ. В целом, среднее время "процесса проверки" между тем, как подается запрос на извлечение (pull request), и тем, как он объединяется в базе кода, увеличивается на 49% в среднем после введения агентов ИИ. Этот эффект можно увидеть и в более детальных данных, среди которых исследователи пишут: "доля запросов на извлечение с запрошенными изменениями почти удвоилась, а количество комментариев на запросе извлечения увеличилось на 35%" после перехода к агентам ИИ. В ответ на это изменение исследователи обнаружили рост на 14% доли работников, выполняющих проверку кода после введения агентов ИИ. Они также пишут, что "не могут приписать значительные изменения в занятости ИИ" после того, как посмотрели на общее количество активных работников в компаниях Jellyfish и перекрестно сопоставили данные с LinkedIn в этих компаниях. Запросы на извлечение нуждаются в изменениях гораздо чаще в эпохе "агентного программирования". Запросы на извлечение нуждаются в изменениях гораздо чаще в эпохе "агентного программирования". Авторские права: Chen и Stratton Хотя ИИ также мог теоретически помочь с этим процессом проверки, исследователи обнаружили, что до настоящего времени этот эффект остался ограниченным. Хотя 80% измеренных компаний использовали какую-либо форму проверки кода с помощью ИИ к марту 2026 года, агенты ИИ отвечали лишь за 23,3% всех комментариев к проверке и 10,8% всех запросов на извлечение, что указывает на то, что люди всё ещё отвечали за большую часть этой работы. Агенты ИИ, конечно, всё ещё являются относительно новой частью мира программирования, и даже с момента среза данных этого исследования в мартe 2026 года были проведены значительные обновления и улучшения их вывода. И хотя 95% компаний в исследовании уже внедрили агентов кодирования ИИ в этот момент, многие, безусловно, всё ещё проходят через процесс обучения по поводу того, когда и как лучше всего их развернуть. Эти типы «компромисов между временем кодирования и временем проверки» могут улучшиться по мере того, как команды инженерного программного обеспечения наберутся опыта по поводу преимуществ и недостатков отправления ИИ-агента на решение определённых программных проблем. Пока же, однако, оставить ИИ писать ваш код похоже на двустороннюю меч, при этом увеличение скорости кодирования компенсируется аналогичными увеличениями времени и усилий человеческой проверки кода. Это тип результата, который заставляет нас задуматься, стоит ли настолько времени и затрат, необходимых для того, чтобы агенты кодирования ИИ работали, на самом деле для большинства компаний.

AI 编码代理生成更多代码，但不产生更多软件。这一差异可直接在代码审查过程中找到——引入AI编码代理后，该过程的平均耗时明显延长。总体而言，拉取请求提交后被合并到代码库之间的平均“审查过程”时间，随AI代理的引入而增加了49%。这一效应在更细粒度的数据中也能看见，研究人员指出，“拉取请求提出修改请求的比例几乎翻倍，每个拉取请求的评论数量增加了35%”。针对这一变化，研究发现引入AI代理后，执行代码审查的员工比例增加了14%。他们还指出，经过分析后，他们“无法将显著的就业变动归因于AI”，因为他们查阅了Jellyfish的活跃员工数据，并交叉比对了该公司在LinkedIn上的数据。AI编码代理时代，拉取请求需要更改的频率大幅增加。AI编码代理时代，拉取请求需要更改的频率大幅增加。图片来源：Chen 和 Stratton 虽然AI理论上也能帮助审查进程，但研究发现其影响仍有限。尽管2026年3月，80%的测量公司使用了某种形式的AI代码审查，但AI代理仅负责所有审查评论的23.3%和所有拉取请求的10.8%，这表明人类仍负责绝大部分工作。 AI代理仍是编码世界中相对新的一部分，当然，自该研究3月2026年数据截止日起，他们的输出就有了显著更新和升级。尽管95%的受试公司已实施AI编码代理，但许多人肯定仍在学习如何以及何时最佳地部署它们。随着软件工程团队在使用AI代理解决特定编码问题时逐渐掌握其利弊，这种“编码时间与审查时间”的权衡可能会得到改善。目前而言，让AI编写代码看起来是一把双刃剑，编码速度的增加被类似的人类代码审查时间和努力所抵消。这就是我们开始怀疑，对于大多数公司来说，获取AI编码代理工作所需的巨大时间和费用是否真的值得的原因。