Az előző részben láttuk, hogy az AI agent-ek bevezetésével nőtt a kódolási aktivitás, de ezzel arányosan nem nőtt a leszállított szoftver mennyisége. A Harvard Egyetem kutatóinak tanulmánya a fejlesztési folyamatot részletesen vizsgálva azonosított egy konkrét tényezőt is, amely a végeredményt tekintve korlátozhatja a növekedést: a kód felülvizsgálatát.

Az önmagában nem elég, hogy az AI agent segít a kód megírásában. A kódot ugyanis továbbra is át kell nézni, tesztelni kell, ellenőrizni kell a működését, és meg kell győződni arról, hogy illeszkedik a meglévő rendszerhez. Az AI által készített megoldásokat is össze kell vetni a projekt követelményeivel, architektúrájával és a sokszor le sem írt, de a működés szempontjából alapvető elvárásokkal.

Az AI agent-ek bevezetése után a kutatók a következő változásokat mérték a kód felülvizsgálatában:

  • 49%-kal nőtt a pull requestek átnézésének (review) átlagos átfutási ideje. A kiinduló átlag 7,03 nap volt;
  • közel megduplázódott a módosítást kérő review-k aránya. A kiinduló arány 13% volt, és a becslések szerint ez 12 százalékponttal emelkedett;
  • 35%-kal nőtt a pull requestenkénti megjegyzések száma. A kiinduló átlag 1,66 megjegyzés volt.

Miért alakulhat ki ebből szűk keresztmetszet?

A fejlesztési folyamatban a kód megírása és a kód felülvizsgálata egymást kiegészítő feladatok. A gyorsabb kódolás több változtatást juttathat el a review szakaszba, de a felülvizsgálat kapacitása nem feltétlenül nő ugyanolyan gyorsan. A review ráadásul nem egyszerű formai ellenőrzés. A bírálónak meg kell értenie, mit akar megvalósítani a módosítás, megfelel-e a követelményeknek, helyesen illeszkedik-e a meglévő kódbázishoz, és nem okoz-e problémát a rendszer más részeiben. Ha hiányosságot talál, a fejlesztőnek javítania kell a megoldást, amelyet ezután újra ellenőrizni kell.

A tanulmányban szereplő szakértői beszámolók is leírnak ilyen helyzeteket: a kód gyorsan elkészül, de a felülvizsgálathoz csak korlátozottan áll rendelkezésre tapasztalt szakember. A kutatás egyik idézett példájában egy junior fejlesztő arról számolt be, hogy a kódot jóváhagyó tapasztalt mérnök leterheltsége miatt akár egy hetet is kellett várni a review-ra. Ez jól érzékelteti a probléma lényegét: a gyorsabb kódelőállítás nem szünteti meg az ellenőrzés szükségességét, és ha a review kapacitása korlátozott, a gyorsulás egy része várakozásban és újabb javítási körökben veszhet el.

A kutatás azt is kimutatta, hogy a vállalatok részben a rendelkezésre álló munkaerő átcsoportosításával reagáltak a megnövekedett ellenőrzési igényre. Az AI agent-ek bevezetése után 14%-kal nőtt azoknak a dolgozóknak az aránya, akik kódreview-t végeztek. A kódolási kapacitás növelése mellett tehát a felülvizsgálat megszervezése és a megfelelő szakemberek bevonása is fontos feladattá vált, és az emberi ellenőrök az AI-alapú review eszközök terjedése mellett is megőrizték központi szerepüket.

Az AI tehát nem feltétlenül szünteti meg a fejlesztés korlátait. Előfordulhat, hogy egyszerűen csak áthelyezi azokat: a kódírás helyett az ellenőrzés, a hibajavítás vagy az integráció válik a folyamat szűk keresztmetszetévé. A kérdés tehát nem egyszerűen az, hogy az AI mennyire gyorsan képes kódot előállítani. Az is számít, hogyan szervezzük meg az ellenőrzést, és mely feladatoknál milyen mértékű szakmai kontrollra van szükség.

A következő részben azt nézzük meg, hogyan lehet úgy használni az AI-t, hogy a gyorsabb kódolás valódi előnnyé váljon.

Forrás: Fiona Chen és James Stratton, Harvard University: Artificial Intelligence in the Firm: Bottlenecks in Software Production. A bejegyzés a 2026. augusztus 4-i változat alapján készült.

AI segítségével készült a szoftvered? Nézesd át szakértővel!