Tekoälyn koodausagentit kasvattavat yritysten koodimäärää selvästi, mutta valmiita ohjelmistoja syntyy yhtä paljon kuin ennenkin. Näin päättelee Harvardin yliopiston tutkimus, joka perustuu yli 700 ohjelmistoyrityksen todelliseen kehitysdataan.
Tutkijoiden Fiona Chenin ja James Strattonin mukaan koodausvaiheen tehokkuushyöty valuu hukkaan myöhemmissä vaiheissa. Pullonkaulana on ihmisten tekemä koodikatselmointi, joka venyy agenttien käyttöönoton jälkeen selvästi.
Tutkimuksesta uutisoi Ars Technica. Tulos on merkittävä, koska se perustuu mittavaan kenttädataan eikä kyselyihin tai laboratoriokokeisiin.
Tutkimus koskee sekä koodausavustajia, jotka täydentävät ihmisen kirjoittamaa koodia, että agentteja, jotka kirjoittavat ja lähettävät koodia itsenäisesti kehotteiden perusteella. Suurimmat vaikutukset näkyvät nimenomaan agenteissa.
Agentit tuottavat 30 prosenttia enemmän koodia
Aineisto on peräisin Jellyfish-analytiikkapalvelusta, joka mittaa ohjelmistotiimien työtä yksityiskohtaisesti. Se kattaa 300 miljoonaa yksittäistä työtapahtumaa, kuten committeja ja pull requesteja, yli 700 000 työntekijältä vuodesta 2021 maaliskuuhun 2026.
Tutkijat selvittivät, milloin kukin yritys otti käyttöön koodausavustajat ja milloin itsenäisesti koodia kirjoittavat agentit. Tämän jälkeen he vertasivat yritysten tuotosta ennen käyttöönottoa ja sen jälkeen niin sanotulla erotusten erotus -menetelmällä.
Raakakoodin osalta tulos on selvä. Agenttien käyttöönotto kasvattaa koodirivien määrää keskimäärin 30 prosenttia, committien määrää 20 prosenttia ja pull requestien määrää 23 prosenttia.
Kasvu ei kuitenkaan näy valmiina ominaisuuksina. Jirassa seurattujen tehtävien ja suurempien kokonaisuuksien valmistumistahti ei muuttunut tilastollisesti merkitsevästi. Myöskään tehtävien koko tai monimutkaisuus ei muuttunut. Tiimit siis kirjoittavat enemmän, mutta toimittavat saman verran.
Koodikatselmointi venyy lähes puolella
Selitys löytyy katselmoinnista. Aika pull requestin lähettämisestä sen yhdistämiseen koodikantaan pitenee agenttien käyttöönoton jälkeen keskimäärin 49 prosenttia.
Muutospyyntöjen osuus pull requesteista lähes kaksinkertaistuu, ja kommenttien määrä pull requestia kohden kasvaa 35 prosenttia. Agenttien kirjoittama koodi siis vaatii enemmän korjauskierroksia ennen kuin se kelpaa tuotantoon.
Yritykset ovat reagoineet siirtämällä väkeä katselmointiin. Koodia katselmoivien työntekijöiden osuus kasvoi tutkimuksen mukaan 14 prosenttia agenttien käyttöönoton jälkeen.
Tutkijat kuvaavat ilmiötä niin, että koodausvaiheen hyöty imeytyy tuotantoprosessin myöhempiin rajoitteisiin. Kun yksi vaihe nopeutuu, työ kasautuu seuraavaan vaiheeseen. Ilmiö on tuttu tuotantotaloudesta: koko ketju liikkuu vain hitaimman vaiheensa tahdissa.
Työllisyys ei muuttunut, tekoälykatselmointi vielä vähäistä
Tutkimus ei löytänyt näyttöä siitä, että yritykset olisivat vähentäneet henkilöstöään koodausagenttien ansiosta. Tutkijat vertasivat Jellyfishin aktiivisten työntekijöiden määriä LinkedInin tietoihin, eikä merkittäviä muutoksia voitu yhdistää tekoälyyn.
Tekoäly voisi periaatteessa auttaa myös katselmoinnissa. Maaliskuuhun 2026 mennessä 80 prosenttia yrityksistä käytti jonkinlaista tekoälypohjaista katselmointia. Agenttien osuus kaikista katselmointikommenteista oli silti vain 23,3 prosenttia, joten ihmiset tekivät edelleen valtaosan työstä.
Aineiston rajaus on maaliskuu 2026, ja koodausagentit ovat kehittyneet sen jälkeen nopeasti. Tutkimuksen yrityksistä 95 prosenttia on jo ottanut agentit käyttöön, ja moni opettelee yhä, mihin tehtäviin niitä kannattaa käyttää.
Tulos koskee yritystason tuotosta. Yksittäinen kehittäjä voi kokea työnsä nopeutuneen, vaikka koko organisaation läpimeno ei muutu.
Mitä tulos tarkoittaa kehitystiimeille
Kehitystiimeille tulos antaa selvän suunnan. Pelkkä koodin kirjoittamisen nopeuttaminen ei riitä, jos katselmointi, testaus ja julkaisu pysyvät ennallaan. Työ vain siirtyy jonoon seuraavan vaiheen eteen.
Yksi keino on pilkkoa agenttien tekemät muutokset pieniksi ja helposti tarkistettaviksi kokonaisuuksiksi. Suuri pull request, jossa on satoja muutettuja rivejä, vie katselmoijalta moninkertaisesti aikaa pieneen muutokseen verrattuna.
Toinen keino on automatisoida tarkistuksia ennen kuin ihminen edes näkee koodin. Kattavat testit, staattinen analyysi ja tekoälypohjainen esikatselmointi voivat karsia selvimmät virheet ja vähentää korjauskierroksia.
Kolmas havainto koskee mittareita. Koodirivien tai committien määrä ei kerro tuottavuudesta paljoakaan. Kun yritys arvioi agenttien hyötyä, kannattaa seurata valmistuneita ominaisuuksia ja läpimenoaikaa koko prosessin läpi.
Yhteenveto
Harvardin tutkimuksen mukaan koodausagentit lisäävät koodirivejä 30 prosenttia ja pull requesteja 23 prosenttia, mutta valmiita ominaisuuksia ei synny aiempaa enempää. Katselmointi venyy 49 prosenttia, ja muutospyyntöjen osuus lähes kaksinkertaistuu.
Yritykset ovat vastanneet siirtämällä työntekijöitä katselmointiin, eikä tutkimus löytänyt agenteista johtuvia muutoksia henkilöstömäärissä. Tekoälypohjainen katselmointi on yleistä, mutta valtaosan katselmointityöstä tekevät yhä ihmiset.
Tulos ei tarkoita, että agentit olisivat hyödyttömiä. Se osoittaa, että tuottavuushyöty ratkeaa koko kehitysprosessissa eikä koodin kirjoittamisessa. Yritykset, jotka automatisoivat myös testauksen ja katselmoinnin, ovat todennäköisesti parhaassa asemassa saamaan agenteista todellista hyötyä.