2026年10月12日，奇客Solidot轉述Ars Technica報導，一項針對數百家公司編程實踐的研究發現，人工代碼審查構成AI編程工具整體效率的主要瓶頸，研究幾乎未找到企業使用AI工具能提高軟體產量或減少就業的證據。
研究的樣本規模相當大。根據報導，資料涵蓋2021年至2026年3月間、逾700家軟體開發公司、逾70萬名員工的3億條工作事件，包括commits、pull requests以及問題管理軟體的數據。
引入AI編程智慧體之後，幾項指標的變化方向一致：代碼總行數平均增加30%，commit總數增加20%，pull requests總數平均增加23%。但報導明確指出，代碼行數的增加並未直接轉化為軟體產出的提升。
瓶頸落在代碼審查流程。引入AI編程智慧體後，代碼審查的平均耗時明顯延長，整體平均增加49%。同一期間，從事代碼審查的員工人數增加14%。研究觀察到，雖然AI智慧體貢獻了部分審查意見與pull requests，絕大部分審查工作仍由人類完成。
這項結果與部分AI工具供應商的生產力宣稱形成對照。供應商端多以開發速度或代碼生成量的提升作為賣點，而此研究以實際工作事件數據衡量，顯示產出端的提升並未在統計上顯現，就業也未因導入AI而出現明顯縮減。
報導未進一步說明各公司導入的具體工具種類、產業分布，或審查時間延長的細部分解原因。原始研究細節以Ars Technica於2026年10月的報導為準，本臺目前僅能確認上述數據輪廓，後續若研究全文或作者回應公開，數字與結論或有修正可能。
此一研究也可與近期其他AI工具的實測脈絡對照閱讀，例如TypeSafe AI新模型Jev的「零幻覺」宣稱與第三方實測對照，兩者同樣涉及官方說法與獨立數據之間的落差。而在企業端導入規範方面，PCI SSC發布的支付環境AI安全補充指引則展示了另一種以人工核準把關AI輸出的路徑，與本研究指出的「人類審查瓶頸」互為參照。