AI 到底会不会抢走你的饭碗？哈佛大学的两位研究者，用了 3 亿条真实工作记录回答了这个问题。答案可能会让两边的人都意外。

一、3 亿条记录，看到了什么

研究者 Fiona Chen 和 James Stratton 拿到了工程管理平台 Jellyfish 的匿名数据：700 多家软件公司、超过 70 万名员工、2021 年到 2026 年 3 月之间约 3 亿条工作记录。他们用一种严谨的方法对比了「引入 AI 写代码工具之前 vs 之后」的变化，还特意区分了两代工具：早年的「补全助手」和近两年的「智能体」。真正的分水岭，出现在智能体上岗之后。结果分成两半：输入端，翻天覆地——代码产量猛增 30%，提交次数涨 20%，送审次数涨 23%；输出端，纹丝不动——任务工单的完成率没有任何显著变化。多出来的 30% 代码，蒸发了？

二、多出来的代码，堵在了半路

研究者找到了答案：全堵在审查环节。AI 一口气写出来的代码，终究要人来读、来验、来签字放行。数据里，代码从提交到正式合入产品的平均时间延长了 49%——差不多每单多拖三天半；被打回重做的比例接近翻倍，每条送审的评论数多了 35%；被拉去做审查的员工比例上升了 14%。到 2026 年 3 月，80% 的公司已经在用 AI 辅助审查，但 AI 写的审查意见只占 23%。机器产的粮，最后还是靠人一颗颗过筛。

三、"失业"的答案：没有

研究者用同样的数据交叉验证（还对了 LinkedIn 的公开数据）：引入 AI 写代码工具之后，这些公司的员工总数，没有显著变化。还有一个背景数字：到 2026 年初，样本里 95% 的公司已经用上了这类工具——这不是少数先锋的试验田，而是整个行业的新常态。常态之下，依然没有看到失业潮。说好的「AI 取代程序员」呢？至少到 2026 年初，在这个覆盖 70 万人的样本里，没有发生。

四、真正值得警惕的：瓶颈搬了个家

这项研究的价值，在于它揭示了一个朴素的规律：一个环节提速，堵点只会往下个环节搬。AI 把「写代码」跑出了高速公路，结果「审代码」的收费站前排起了 49% 更长的队，整条路的通行能力没变。这像极了我们每个人的日常：AI 帮你三分钟写完周报，领导看周报的时间并不会因此缩短；AI 帮你秒回邮件，对方的已读不回反而更理直气壮。工具本身不创造效率，流程的重构才创造效率。

五、对我们的三点启示

• 别再用"产量"衡量 AI 的价值。代码多了 30%，交付没变——用「生成了多少内容」考核 AI 落地，考核的其实是垃圾产量。
• 人的角色正在上移。重复劳动交给机器，判断、把关、负责留给人。AI 消灭的不是岗位，是岗位里最像机器的那部分。
• 拥抱 AI 的同时，请同步改造流程。先把「过筛」的环节设计好，再放开「生产」的闸门。顺序反了，效率不增反降。

关于「AI 会不会让人失业」，过去两年两种声音吵个不停：一种说末日将至，一种说杞人忧天。3 亿条工作记录给出的答案，比两种声音都冷静：岗位还在，但工作的内容正在悄悄换轨。真正的风险从来不是「被 AI 取代」，而是「用旧流程驾驭新工具」——那才是 49% 的堵车的真正来源。

参考：Chen & Stratton 哈佛研究（Jellyfish 数据，2026-10 报道）· forkast.news · nterlace.ai 相关解读