AI 写码提速后,交付为何卡在代码审查
文章援引覆盖 655 家公司、逾 72 万名员工的研究,指出 AI 增加代码产出后,软件交付未同步增长,审查等待、耗时和返工成为瓶颈。作者据此提出工作方式需要调整,但其原因解释仍属待验证假说。
AI 深度解读
给开发者配上 AI 编程代理,代码写得更多,软件却没交付得更快。原文援引的一项 Harvard 研究,把堵点指向了代码审查:等待更久、审查更慢、修改要求更多。作者的判断是,团队加速了编码,却沿用了原来的交付流程。
这篇值得读的地方,是作者拿出了一个保险行业项目的改造经历:哪些流程被取消,哪些约束反而要加强。但研究发现、作者推测和单个项目的经验,需要分开看。
代码写得更多,为什么交付没跟上
原文引用的是 Fiona Chen 和 James Stratton 的论文《Artificial Intelligence in the Firm: Bottlenecks in Software Production》,版本日期为 2026 年 11 月 19 日,属于求职市场论文(job market paper)。据原文转述,研究覆盖 655 家公司、超过 720,000 名员工,发现 AI 工具增加了代码产出,但完成的软件交付量几乎没有变化。
问题出在后续环节。采用 AI 代理后,代码等待审查的时间变长,审查本身耗时增加,审查者也要求更多修改。入口流量增加,出口处理能力没变,队列自然越积越长。
原文没有给出这些变化的具体幅度,也没有展开研究如何识别因果关系。因此,不能仅凭这篇解读,把所有团队的交付停滞都归因于 AI。
作者进一步提出:不少组织把新工具塞进了旧流程。需求仍通过工单流转,团队仍按两周一个 Sprint 排期,每次变更仍经过相同的交接、审批和审查。编码提速之后,需求不清、合并冲突、测试不足这些问题照样存在,有些还会被更多代码放大。
研究访谈中的堵点甚至远离代码:一名工程师提到业务与产品团队的沟通、审查和 QA;另一名工程师为一项原本应在一个月内完成的事项,等了六个月法律审批。论文还发现,AI 没有改变开会数量。
编码提速只是局部收益,交付速度取决于整条链路。
不过,作者也承认,审查慢不自动等于 Scrum 有问题。复杂代码、薄弱测试和高风险变更,都可能需要更谨慎的检查。论文模型预测,组织持续调整后产出会增长;审查瓶颈不消失,收益就会较小。这是模型预测,不能当成已经发生的结果。
要增加的约束,是让错误提前暴露
AI 生成代码出了故障,最直接的反应通常是增加审批。
论文中的一名工程师描述过这样的项目:只有一位高级工程师能批准变更,而且每周只能审查一次。AI 代码引发故障后,团队又要求所有 AI 生成的变更必须经过高级工程师批准,队列进一步拉长。
作者没有主张取消审查。他区分了两类成本:一类只是增加等待;另一类能减少后续的不确定性。
显式数据库 Schema、服务间 API 契约、清晰的模块边界,属于后一类。它们既告诉代理系统有哪些规则,又限制代理随意猜测的空间,还能让编译器、测试和契约检查提前发现错误。大白话讲,就是把人脑里才知道的要求,变成机器也能核对的条件。
文档也一样。只供人阅读的文档有其沟通价值;如果文档还能进入代理上下文,并有对应测试检查实现是否符合约定,它就进一步参与了质量控制。
作者把这套外围设施叫作「agentic factory」。其中包括清晰的行为描述、自动化检查、顺畅的合并发布、按风险分配审查、生产监控,以及快速撤销错误的能力。
人仍然决定做什么、判断风险、处理例外。这里的「工厂」承担的是提供证据:某项变更为什么可以放行,出错后如何发现,影响如何收住。
先建立可检查、可恢复的交付体系,才有条件逐步信任代理。
这也解释了作者为什么反对按 token 消耗量给工程师排名。token 和代码行数都容易统计,却只能证明活动发生过,不能证明用户更早拿到了可用功能。
他们团队改掉了什么,才让功能更快上线
作者所在团队开发的是特殊保险行业的复杂平台,项目属于一项 AI 转型计划。管理层允许他们质疑现有的软件开发方式,这是案例里很重要的前提。
最初,他们尝试用代理细化需求、估算工作量、规划 Sprint。有些过去足以填满一个 Sprint 的工作,一个上午就能写出来。随后,检查取代编码成为瓶颈。估算也更难了:代理可能一次完成「大任务」,却在「小任务」上卡几天。
停止承诺 Sprint 工作量后,团队发现没人再使用估算代理的结果。他们自动化了一项已经失去用途的仪式。
接下来的调整更深入:
- 取消估算、Sprint 计划和待办梳理等大部分 Scrum 仪式,保留回顾会,以小批量工作持续流动,准备好就发布。
- 缩小团队,让工程师直接接触用户、理解业务,并承担部分原先由产品负责人和业务分析师完成的工作。
- 让业务用户与工程师一起用代理制作原型,先对功能行为达成一致,再进入正式实现。
原型放在独立的安全仓库里,不接生产系统,不放密钥,也不建立真实业务连接。每次讨论同时形成可运行原型和书面规格,双方持续修订。
批准后,代理把原型转成 GitHub issues,每项 issue 描述预期行为并链接原型。原型代码随后丢弃。
这个细节很关键:团队留下的是已经确认的需求证据,原型实现不会直接进入生产。业务方也从交付末尾的验收者,变成开发之前就参与确认的人。
他们还把分散在不同工具里的代码、事项和文档集中到 GitHub,并增加代理检查文档与代码是否偏离。质量方面则加强严格类型、机器可检查的业务规则,以及让非法状态难以进入的数据库设计。团队的原则是:自动化检查更强之后,才放宽对应的人审。
交付口径也变了。代码进入生产,issue 才算交付;不再用 velocity、pull requests 或代码行数衡量产出,而是观察交付耗时、缺陷与功能的关系,并把实验关联到业务目标。
作者称,项目比原计划更早、成本更低、团队更小,功能从数周上线缩短到数天。但他没有公开具体数字,也没有提供对照组。
我的判断
我认同作者把注意力从「模型写得快不快」移向「工作在哪里等待」。对于已经大量使用 AI 的团队,继续优化提示词,未必比减少审查排队、提前澄清需求更有收益。
但这里有两次不能跳过的推断。
首先,发现审查瓶颈,并不能证明瓶颈主要来自旧流程。新增代码可能更难读,质量可能更不稳定,也可能涉及更多跨模块修改。原文不足以区分这些原因。「工具从来不是问题」这个结论,说得比证据更满。
其次,保险项目同时改变了团队规模、职责、需求确认、上下文组织、质量约束和发布方式。即使结果准确,也无法单独判断哪项调整贡献最大。更何况,它拥有管理层支持,作者又是项目参与者。这是有启发的经验之谈,不是普遍有效的验证结果。
与直接增加审查人手相比,契约和测试有机会降低重复检查的成本,但建设它们同样需要时间。对遗留系统,先补关键路径检查、限制并行变更数量、明确负责人,可能比立刻取消 Sprint 更可执行。
原型提前确认也不能替代最终验收。界面交互达成共识之后,权限、异常路径、数据一致性和上线后的真实行为,仍需要工程验证。
能拿来做什么
- 为 AI 辅助开发的变更记录几个时间点:开始实现、提交审查、审查完成、进入生产。先看时间花在编码、等待还是返工上,再决定优化提示词、审查安排还是发布流程。
- 在前端与 Node 服务交界处,把关键接口输入、输出和错误行为写成明确契约,并配上自动检查。只有检查覆盖到的风险确实减少了,才考虑缩减对应的人审。
- 遇到交互复杂、需求容易反复的功能,可以与业务方一起制作隔离原型,确认后再整理成实现事项。原型要避开生产连接和密钥,正式代码仍按项目约束重新实现。
- 把 AI 试点的成功标准写成上线周期、返工、生产缺陷和恢复速度,并观察业务结果。token、提交次数和代码行数可以用于理解使用情况,但不要直接当成交付成绩。