DigiZen

AI

Agenti píšu o 30 % viac kódu. Hotovej práce pribudlo oveľa menej

Predstav si stavbu, kde murári zrazu murujú o tretinu rýchlejšie, no stavebný dozor je stále jeden a rovnako pomalý. Viac tehál na hromade neznamená viac hotových domov.

· 2 min čítania

Ilustrácia: Agenti píšu o 30 % viac kódu. Hotovej práce pribudlo oveľa menej

Agenti a prax · Harvard (Fiona Chen, James Stratton) s firmou Jellyfish · pracovná štúdia, október 2026

GitHub Copilot, Cursor, Claude Code a ďalší · 718 firiem

Viac tehál, nie viac domov

Predstav si stavbu, kde murári zrazu murujú o tretinu rýchlejšie, no stavebný dozor je stále jeden a rovnako pomalý. Viac tehál na hromade neznamená viac hotových domov.

Ekonómovia z Harvardu sa pozreli na stovky softvérových firiem, ktoré zaviedli AI agentov na programovanie. Kódu naozaj pribudlo, dokončenej práce však oveľa menej. Rozdiel sa stratil pri kontrole kódu: ľudia museli čítať a vracať na prepracovanie viac než predtým.

Úzke miesto sa jednoducho presunulo z písania na posudzovanie, testovanie a nasadzovanie.

718 firiem, 300 miliónov udalostí

Firmy s agentmi mali oproti ostatným o 30 % viac pridaných riadkov kódu, o 20 % viac commitov a o 23 % viac pull requestov. Vyriešených úloh na pracovníka však podľa InfoQ pribudlo len o 12 %. Pri jednoduchších AI asistentoch, ktoré len dopĺňajú kód, sa počet vyriešených úloh nezvýšil vôbec.

Fiona Chen a James Stratton spracovali so spoločnosťou Jellyfish približne 300 miliónov pracovných udalostí od zhruba 700 000 ľudí v 718 firmách za obdobie od januára 2021 do marca 2026. Dáta pochádzali z personálnych systémov, správy verzií kódu, systémov na úlohy, kalendárov a samotných AI nástrojov.

Na strane kontroly stúpol priemerný čas na posúdenie pull requestu o 49 % a počet komentárov k nemu o 53 %; podiel pull requestov, ktoré bolo treba prerobiť, sa zdvojnásobil. Väčšou veľkosťou zmien sa to nedá vysvetliť. Inžinieri podľa odhadu autorov trávia samotným písaním kódu len 30 až 40 % času, takže zrýchlenie písania má prirodzený strop.

Úzkym hrdlom je posudzovanie

Rozšírený predpoklad „viac kódu rovná sa vyššia produktivita“ tu neobstojí. Je to učebnicová ukážka teórie obmedzení, ktorú spopularizoval Eliyahu Goldratt: zrýchlenie miesta, ktoré nie je úzkym hrdlom, celkový výkon systému nezvýši, len nahromadí rozpracovanú prácu pred tým hrdlom.

Poučenie presahuje programovanie: kdekoľvek AI zrýchli tvorbu – texty, ponuky, analýzy, kód –, úzkym miestom sa stáva ich kontrola. Firmy aj jednotlivci by preto mali merať výsledok (hotové, odovzdané, používané), nie objem vyprodukovaného, a investovať do overovania – jasných kritérií „hotovo“, testov a revízií.

Podľa jedného z prehľadov firmy agentov prijali veľmi rýchlo, no svoje procesy okolo nich neprispôsobili. Technológia sa zmenila rýchlejšie než organizácia práce.

Zdroj: InfoQ: AI-generated code fails to boost productivity · n8nlab: AI coding agents add code, not output · Forkast: Harvard study

Originál: Pracovná štúdia (PDF)