# پژوهش هاروارد: دستیارهای کدنویسی هوش مصنوعی کار را بیشتر می‌کنند، نه تحویل را سریع‌تر

> بررسی 718 شرکت نشان می‌دهد کد تولیدشده با هوش مصنوعی حجم کد را بالا می‌برد، اما زمان و تلاش بیشتری برای بازبینی کد می‌طلبد و بهره‌وری کلی را محدود می‌کند.

Oossa · 2026-10-22 · https://oossa.com/fa/harvard-study-shows-ai-code-assistants-add-work-without-speeding-delivery

پژوهشی از دانشگاه هاروارد با استفاده از پلتفرم تحلیل داده Jellyfish، 718 شرکت و حدود 300 million رویداد کاری را از January 2021 تا March 2026 بررسی کرد. دستیارهای کدنویسی هوش مصنوعی تعداد خطوط کد را 12% و تعداد کامیت‌ها را 9% افزایش دادند؛ عامل‌های هوش مصنوعی نیز خطوط کد را 30% و کامیت‌ها را 20% بالا بردند. بااین‌حال، تعداد مسائل Jira که هر کارمند حل کرد، با عامل‌ها فقط 12% بیشتر شد و با دستیارها اصلاً افزایش نیافت. کد اضافی باعث طولانی‌تر شدن بازبینی درخواست‌های ادغام (pull request) شد: زمان بازبینی 49% افزایش یافت، تعداد نظرها برای هر PR به 53% بیشتر رسید و سهم PRهایی که به تغییر نیاز داشتند دو برابر شد.

## حقایق

- این پژوهش 718 شرکت و حدود 300 million رویداد کاری را از Jan 2021 تا Mar 2026 بررسی کرد.
- عامل‌های هوش مصنوعی تعداد خطوط کد را 30% افزایش دادند، اما تعداد مسائل حل‌شده به‌ازای هر کارمند فقط 12% بیشتر شد.

## چرا مهم است

مدیران تیم‌های مهندسی باید در نظر داشته باشند که استفاده از ابزارهای تولید کد با هوش مصنوعی ممکن است ظرفیت بیشتری برای بازبینی لازم داشته باشد؛ بنابراین باید منابع بیشتری برای تضمین کیفیت در نظر بگیرند.

## منابع و ارجاع‌ها

1. [Study Finds AI-generated Code Fails to Boost Productivity Due to Downstream Bottlenecks](https://www.infoq.com/news/2026/10/jellyfish-ai-productivity/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-10-22

آخرین به‌روزرسانی: 2026-10-22