Een working paper van Harvard-onderzoekers Fiona Chen en James Stratton, besproken door Ars Technica in oktober 2026, laat zien dat AI coding agents de hoeveelheid code die engineers schrijven met ongeveer 30% verhogen, maar dat softwarebedrijven niet meer software uitbrengen. Het onderzoek maakt gebruik van Jellyfish engineering-data van meer dan 700 bedrijven, en de tijd tussen het openen van een pull request en het mergen ervan steeg met 49%.
Wat het onderzoek heeft gevonden
Volgens het artikel van Ars Technica analyseerden de auteurs ongeveer 300 miljoen werkgebeurtenissen van meer dan 700.000 medewerkers bij softwarebedrijven tussen 2021 en maart 2026. Na de adoptie van AI coding agents steeg het totaal aantal regels code met 30%, het aantal commits met 20% en het aantal pull requests met 23%.
Het oplossingspercentage voor Jira-issues en epics, dat de auteurs gebruiken als maatstaf voor afgeronde functies, veranderde niet op een statistisch significante manier. De onderzoekers zagen ook geen verschuiving in de omvang of complexiteit van die issues, en ze konden geen significante werkgelegenheidsveranderingen aan AI toeschrijven.
Waar de extra code naartoe ging
De winst verschoof naar de review. De gemiddelde tijd tussen het indienen en mergen van een pull request steeg met 49%. Het aandeel pull requests waarbij wijzigingen werden gevraagd, bijna verdubbelde, het aantal opmerkingen per pull request steeg met 35% en het aandeel medewerkers dat code review doet steeg met 14%.
AI review-tools waren in maart 2026 gebruikelijk, waarbij 80% van de bedrijven er een gebruikte. Toch schreef AI agents slechts 23,3% van de review-opmerkingen, zodat mensen het grootste deel van de review nog steeds zelf deden. De auteurs concluderen dat het realiseren van de voordelen van AI-adoptie investering in reviewcapaciteit stroomafwaarts vereist, en niet simpelweg meer code-output.
Wat het betekent voor engineeringteams
Het onderzoek is observationeel en heeft betrekking op bedrijven die Jellyfish gebruiken, dus het beschrijft een patroon en bewijst geen oorzaak. De praktische conclusie geldt desondanks voor elk team dat engineers voorziet van coding agents: de bottleneck verschuift van het schrijven van code naar het controleren ervan. Een team dat de generatie verdubbelt zonder de reviewaanpak te veranderen, ziet langere wachtrijen in plaats van snellere releases.
Dat maakt reviewcapaciteit iets om op voorhand rekening mee te houden. Teams kunnen pull requests klein houden, requirements en tests schrijven vóór de code, en bepalen wie de bevoegdheid heeft om door agents geschreven wijzigingen goed te keuren.
Wat het betekent als je engineers inhuurt
Als review de beperkende factor is, zijn de engineers die het meeste waarde toevoegen degenen die een grote wijziging snel kunnen lezen en beoordelen of die correct is. Dat is een seniore vaardigheid, en een cv met een lijst van AI-tools laat dat niet zien. Ons selectieproces test dit rechtstreeks, in een echte codebase met de eigen agents van de kandidaat ingeschakeld.
Om te zien hoe we engineers plaatsen die op deze manier werken, lees meer over onze AI-native engineers.
Bronnen
