Проучване на Харвард и Jellyfish: AI генерираният код не повишава производителността поради затруднения в прегледа

Публикувано от Svetni.me Editorial на 22 октомври 2026 г.

Илюстрация на софтуерен анализ на код и компилационни метрики за продуктивност
Източник: InfoQ / Jellyfish Research Archive

В едно от най-детайлните емпирични изследвания на модерната софтуерна индустрия учени от Harvard Business School, в сътрудничество с водещата платформа за инженерна аналитика Jellyfish, разкриха фундаментален парадокс: масовото навлизане на AI асистенти за програмиране не води до реално ускоряване на разработката [1].

Харвардското проучване, обхванало данните на 718 технологични предприятия и над 45 000 софтуерни инженери, доказва, че спестеното време за първоначално написване на кода се изяжда напълно от възникналите затруднения в последващите етапи на цикъла на разработка.

Инфлация на кода и криза в прегледа (Code Review Bottleneck)

Проучването регистрира драматична промяна в динамиката на екипите след внедряването на инструменти като GitHub Copilot и Claude Code:

  • Ръст на обема без ръст на стойността: Броят на редовете добавен код нараства средно с 43%, но бизнес стойността на доставените функционалности остава почти константна.
  • Двойно време за код ревю: Старшите инженери прекарват над 90% повече време в преглеждане на пуул рикуести (PR). AI генерираният код изглежда синтактично безупречен, но често крие фини архитектурни несъответствия и пренебрегва установени вътрешни абстракции.
  • Скок на скритите регресии: Компаниите с най-агресивно използване на генератори отчитат 28% увеличение на производствените дефекти и инциденти, налагащи спешни възстановявания (rollbacks).

Това подчертава нуждата от фундаментално преосмисляне на концепцията за продуктивност на разработчиците.

Преход от обем код към поток на завършеност

Изводите на изследователите показват, че писането на код никога не е било истинското тясно място в софтуерното инженерство. Истинското предизвикателство винаги е било разбирането на проблема, проектирането на стабилна архитектура и осигуряването на безпроблемна интеграция.

Когато екипите използват AI, за да изсипят хиляди редове код в хранилището, те просто задръстват конвейера за доставка. За да извлекат реална полза, съвременните инженеринг мениджъри трябва да:

  1. Ограничат максималния размер на пуул рикуестите до 200 реда, независимо дали кодът е писан от човек или машина.
  2. Изискват интеграционни тестове с реални данни преди пускане за преглед.
  3. Оценяват разработчиците не по количество създаден софтуер, а по стабилността на системите в продукция.

Инфографика: Четири ключови констатации на Харвард и Jellyfish
Парадоксът на производителността при AI кода и структурните задръствания при проверка.

Източници

  1. InfoQ Software Architecture & Management. (2026-10-22). Study Finds AI-generated Code Fails to Boost Productivity Due to Downstream Bottlenecks. InfoQ Industry News. https://www.infoq.com/news/2026/10/jellyfish-ai-productivity/
  2. Harvard Business School Working Papers. (2026-10-22). The Downstream Cost of Code Generation: Empirical Analysis of 718 Engineering Organizations.