En arbetsrapport av Harvard-forskarna Fiona Chen och James Stratton, rapporterad av Ars Technica i oktober 2026, visar att AI-kodningsagenter ökar den kod som ingenjörer skriver med cirka 30% men inte ökar den mjukvara som företagen levererar. Studien bygger på Jellyfish-teknikdata från mer än 700 företag, och tiden från att öppna en pull request till att den sammanfogas ökade med 49%.
Vad studien visade
Enligt Ars Technicas rapport analyserade författarna cirka 300 miljoner arbetshändelser från mer än 700 000 anställda på mjukvaruföretag mellan 2021 och mars 2026. Efter att företagen adopterade AI-kodningsagenter ökade det totala antalet kodrader med 30%, commits ökade med 20% och pull requests ökade med 23%.
Lösningsgraden för Jira-ärenden och epos, som författarna använder som ett mått på färdiga funktioner, förändrades inte på ett statistiskt signifikant sätt. Forskarna fann heller ingen förändring i storleken eller komplexiteten hos dessa ärenden, och de kunde inte hänföra betydande sysselsättningsförändringar till AI.
Vart den extra koden tog vägen
Vinsterna hamnade i granskning. Den genomsnittliga tiden mellan att en pull request skickades in och sammanfogades ökade med 49%. Andelen pull requests med begärda ändringar nästan fördubblades, kommentarer per pull request ökade med 35%, och andelen medarbetare som utförde kodgranskning ökade med 14%.
AI-granskningsverktyg var vanliga i mars 2026, med 80% av företagen som använde ett sådant. Ändå stod AI-agenter för bara 23,3% av granskningskommentarerna, så människor utförde fortfarande merparten av granskningen. Författarna drar slutsatsen att förverkligandet av fördelarna med AI-adoption kräver investeringar i granskningskapacitet i efterföljande led, inte bara mer kodoutput.
Vad det betyder för utvecklingsteam
Studien är observationell och täcker företag som använder Jellyfish, så den beskriver ett mönster och bevisar inte ett orsakssamband. Dess praktiska poäng gäller ändå för alla team som ger ingenjörer kodningsagenter: begränsningen förflyttas från att skriva kod till att granska den. Ett team som fördubblar genereringen utan att förändra hur det granskar kommer att se längre köer, inte snabbare releaser.
Det gör granskningskapacitet till något att planera för. Team kan hålla pull requests små, skriva krav och tester innan koden, och bestämma vem som har befogenhet att godkänna agentskriven kod.
Vad det betyder när du anställer utvecklare
Om granskning är begränsningen är de ingenjörer som spelar störst roll de som snabbt kan läsa en stor förändring och avgöra om den är korrekt. Det är en senior kompetens, och ett CV som listar AI-verktyg visar den inte. Vår granskningsprocess testar den direkt, i en riktig kodbas med kandidatens egna agenter aktiverade.
För att se hur vi placerar ingenjörer som arbetar på detta sätt, läs om våra AI-native engineers.
