跳转至内容 →
嘿，软件团队的AI使用模式大揭秘来啦！
Orbit公司
版本01 - TIM QI（2026年）
每天，有数以万计的团队在Linear平台进行软件开发。经过六年时间，得以了解从AI尚未广泛应用到如今的产品开发全过程。
虽说有些标杆企业和编码工具公布了令牌使用和代码量信息，但只是工作的一个方面。能看到从提出问题到通过拉取请求解决问题的整个产品构建流程。不过，Linear平台外的AI使用情况不清楚，所以报告说的是客户群体里的AI采用情况，非整个市场。
从三个方面分析变化：谁在用AI，AI怎么改变团队在Linear平台上的时间分配，还有它有没有影响团队的交付量。这几个方面给2026年AI辅助产品开发的情况定了基准，也能和下一版报告对比。
采用情况
- 按职能划分
- 按管理团队划分
- 按公司规模划分
应用场景
- 创建与组织
- 规划
- AI应用
产出成果
- 非工程师发起的拉取请求
- 拉取请求总量
- 编码代理的使用
按职能划分的采用情况
AI应用在各职能部门全面开花
2026年1月到6月，各职能部门用AI功能的活跃用户比例都翻了一倍多。产品部门增长最猛，从12%涨到34%；市场拓展部门从5%涨到18%。通过给职位名称分类确定角色，虽可能有误差，但整体趋势明显。
| 职能 | 2026年1月 | 2026年6月 | 变化 |
|---|---|---|---|
| 创始人 | 14% | 30% | +16个百分点 |
| 工程部门 | 12% | 30% | +18个百分点 |
| 产品部门 | 12% | 34% | +22个百分点 |
| 设计部门 | 6% | 22% | +16个百分点 |
| 市场拓展部门 | 5% | 18% | +13个百分点 |
注：N = 127,000名付费用户，在2026年1月和6月都活跃
按管理团队划分的采用情况
高层管理人员积极拥抱AI
管理人员自己用AI的比例和团队成员相近甚至更高。在员工201人及以上的公司，CEO的AI使用率六个月内从9%涨到36%，是报告分类里增长最多的，说明高层领导更喜欢自己用AI学技术。公司规模数据由第三方补充，此部分涉及的工作空间数量比报告其他部分少。
| 管理角色及公司规模 | 2026年1月 | 2026年6月 | 变化 |
|---|---|---|---|
| 创始人（201人以上） | 10% | 26% | +16个百分点 |
| 创始人（51 - 200人） | 15% | 27% | +12个百分点 |
| 创始人（1 - 50人） | 15% | 31% | +16个百分点 |
| CEO（201人以上） | 9% | 36% | +27个百分点 |
| CEO（51 - 200人） | 15% | 25% | +11个百分点 |
| CEO（1 - 50人） | 7% | 21% | +14个百分点 |
| 首席产品官（CPO，201人以上） | 3% | 24% | +21个百分点 |
| 首席产品官（CPO，51 - 200人） | 10% | 26% | +15个百分点 |
| 首席产品官（CPO，1 - 50人） | 11% | 36% | +25个百分点 |
| 首席技术官（CTO，201人以上） | 11% | 35% | +24个百分点 |
| 首席技术官（CTO，51 - 200人） | 12% | 28% | +16个百分点 |
| 首席技术官（CTO，1 - 50人） | 16% | 33% | +17个百分点 |
注：N = 13,300名管理人员，在2026年1月和6月都活跃
按公司规模划分的采用情况
各规模公司AI采用率齐增长
从初创企业到大型企业，AI采用率差不多都涨了两倍。通常公司规模对组织采用新技术速度影响大，但此次调查该因素影响不明显。
| 公司规模（全职员工数） | 2026年1月 | 2026年6月 | 变化 |
|---|---|---|---|
| 1001人以上 | 8% | 25% | +17个百分点 |
| 201 - 1000人 | 9% | 27% | +19个百分点 |
| 51 - 200人 | 9% | 25% | +16个百分点 |
| 1 - 50人 | 8% | 23% | +14个百分点 |
注：N = 199,000名知道公司规模的付费用户，在2026年1月和6月都活跃
应用场景 - 创建与组织
团队在系统里投入更多精力
2025年6月到2026年6月，几乎所有职能部门在创建、分类和评论工作上花的时间都增加了。工程部门在创建和分类环节用时增加约17%。创始人用时波动大，创建工作多花17分钟，评论工作多花26分钟，因群体人少，数据可能不稳定。工作增多需更多协调，为智能代理提供更多信息。
| 职能及工作类型 | 2025年6月 | 2026年6月 | 变化 |
|---|---|---|---|
| 工程 - 创建与分类 | 24分钟 | 28分钟 | +5分钟 |
| 产品 - 创建与分类 | 38分钟 | 37分钟 | -1分钟 |
| 设计 - 创建与分类 | 22分钟 | 25分钟 | +3分钟 |
| 市场拓展 - 创建与分类 | 27分钟 | 31分钟 | +4分钟 |
| 创始人 - 创建与分类 | 40分钟 | 57分钟 | +17分钟 |
| 工程 - 分配与更新 | 16分钟 | 19分钟 | +3分钟 |
| 产品 - 分配与更新 | 26分钟 | 26分钟 | 0分钟 |
| 设计 - 分配与更新 | 12分钟 | 15分钟 | +3分钟 |
| 市场拓展 - 分配与更新 | 12分钟 | 15分钟 | +3分钟 |
| 创始人 - 分配与更新 | 22分钟 | 29分钟 | +7分钟 |
| 工程 - 评论 | 35分钟 | 40分钟 | +5分钟 |
| 产品 - 评论 | 48分钟 | 49分钟 | +1分钟 |
| 设计 - 评论 | 32分钟 | 34分钟 | +2分钟 |
| 市场拓展 - 评论 | 49分钟 | 55分钟 | +6分钟 |
| 创始人 - 评论 | 39分钟 | 64分钟 | +26分钟 |
注：N = 54,300名付费用户（2025年6月）→ 89,000名（2026年6月）
应用场景 - 问题创建
AI创造近半问题
两年前，AI创建的问题数量不到千分之一。现在，团队在Linear平台上创建的问题近一半由AI完成。照此增长速度，AI创建的问题数量很快将超人工和集成工具总和。
注：统计时间是2024年6月到2026年8月，不包括导入的问题
应用场景 - 规划
Linear平台内规划时间稳如泰山
报告里其他指标大多上涨，过去一年，团队处理客户请求、文档和项目规划花的时间无变化。不同团队规划方式差异大，很多规划工作在落实到平台前已沟通好，平均数据掩盖了团队间差异。这表明到现在，AI对团队执行工作方式的改变大于规划工作。
| 职能及工作类型 | 2025年6月 | 2026年6月 | 变化 |
|---|---|---|---|
| 工程 - 客户请求 | 1分钟 | 1分钟 | 0分钟 |
| 产品 - 客户请求 | 3分钟 | 4分钟 | 0分钟 |
| 设计 - 客户请求 | 1分钟 | 1分钟 | 0分钟 |
| 市场拓展 - 客户请求 | 4分钟 | 4分钟 | +1分钟 |
| 创始人 - 客户请求 | 2分钟 | 3分钟 | +1分钟 |
| 工程 - 文档与项目 | 3分钟 | 3分钟 | +1分钟 |
| 产品 - 文档与项目 | 13分钟 | 14分钟 | +1分钟 |
| 设计 - 文档与项目 | 4分钟 | 5分钟 | +1分钟 |
| 市场拓展 - 文档与项目 | 3分钟 | 3分钟 | +1分钟 |
| 创始人 - 文档与项目 | 7分钟 | 8分钟 | 0分钟 |
注：N = 54,300名付费用户（2025年6月）→ 89,000名（2026年6月）
应用场景 - AI
新工作层面闪亮登场
和AI聊天、把问题交给智能代理，这些工作一年前不存在，现在各职能部门日常工作中都有，产品部门参与度最高。且这些新工作未占原来工作时间，说明至少现在，AI是在现有工作基础上增加新内容，非替代原来工作。
| 职能及工作类型 | 2025年6月 | 2026年6月 | 变化 |
|---|---|---|---|
| 工程 - 委派给智能代理的问题 | 0分钟 | 1分钟 | +1分钟 |
| 产品 - 委派给智能代理的问题 | 0分钟 | 1分钟 | +1分钟 |
| 设计 - 委派给智能代理的问题 | 0分钟 | 0分钟 | 0分钟 |
| 市场拓展 - 委派给智能代理的问题 | 0分钟 | 0分钟 | 0分钟 |
| 创始人 - 委派给智能代理的问题 | 0分钟 | 2分钟 | +2分钟 |
| 工程 - 与AI聊天 | 0分钟 | 2分钟 | +2分钟 |
| 产品 - 与AI聊天 | 0分钟 | 5分钟 | +5分钟 |
| 设计 - 与AI聊天 | 0分钟 | 3分钟 | +3分钟 |
| 市场拓展 - 与AI聊天 | 0分钟 | 3分钟 | +3分钟 |
| 创始人 - 与AI聊天 | 0分钟 | 4分钟 | +4分钟 |
注：N = 54,300名付费用户（2025年6月）→ 89,000名（2026年6月）
产出成果 - 拉取请求创建
非工程师提交代码量飙升
过去两年，产品经理提交拉取请求的比例从3%涨到10%，设计师从1%涨到8%。只统计和Linear平台关联仓库的拉取请求，平台外提交代码情况未算，实际比例可能更高。以前主要负责说需求的人，现在自己提交代码增多。
| 职能 | 2024年6月 | 2025年6月 | 2026年6月 | 变化 |
|---|---|---|---|---|
| 创始人 | 11% | 12% | 23% | +12个百分点 |
| 工程部门 | 20% | 22% | 34% | +14个百分点 |
| 产品部门 | 3% | 3% | 10% | +7个百分点 |
| 设计部门 | 1% | 2% | 8% | +7个百分点 |
| 市场拓展部门 | 1% | 1% | 3% | +2个百分点 |
注：N = 166,000名付费用户（2026年6月）
产出成果 - 拉取请求数量
两年内拉取请求数量暴增111%
以2024年6月为基准，每个工作空间开启的拉取请求数量涨了111%。第一年产出基本稳定，随着模型质量提升和AI采用率增加，2026年开始明显上升。统计的是开启的拉取请求，非合并的，开启不一定代码变更有用，但增长趋势明显。
注：N = 47,900个付费工作空间（2026年6月）
产出成果 - 编码代理
编码代理是产出加速大功臣
连了编码代理的团队，每周拉取请求数量两年内涨了约两倍，从21个增加到65个；没连的团队，从8个涨到10个。编码代理出现前，连代理的团队产出就高些，两者基数不能直接比，但和自己以前比，增长情况清楚，且大部分增长由用编码代理的团队带来。
| 时间 | 连接编码代理的团队 | 未连接编码代理的团队 |
|---|---|---|
| 2024年6月2日 | 21 | 8 |
| 2024年6月9日 | 24 | 8 |
| ... | ... | ... |
| 2026年6月21日 | 65 | 10 |
注：N = 6,887个付费团队（其中4,280个连了编码代理，2,607个没连）
总结
过去两年，用编码代理的团队产出增长明显，这是AI对产品开发影响最明显之处。虽不确定增长有无带来好的业务成果，但能确定AI采用和产出加速关系紧密。
更有意思的是，AI的采用让不同角色界限变模糊。高层领导更多参与实际工作，积极用AI帮忙；非工程师也开始提交代码。这表明组织里每个人都在慢慢变成“构建者”。
不过，产出增长未节省时间。在Linear平台上，原来任务用时不变，用AI又增加新工作，这意味着产品开发总时间在增加。就目前所见，团队工作量未减少，反而增加，说明AI的影响可能不止令牌消耗，类似杰文斯悖论。
很多人认为只看拉取请求数量只能知工作进度，不能体现价值，这话有道理。但和看令牌消耗比，这仍是进步。因为一次代码重构可能耗很多令牌，一个有意义的bug修复或代码审查耗的令牌可能少，所以令牌消耗和实际价值不完全匹配，用令牌消耗衡量工作价值可能是AI发展早期的做法。
未来报告里，打算研究从令牌消耗到最终业务成果的整个工作过程，现在代码和代码审查都在Linear平台进行，有了新的观察角度。
TIM QI - 数据负责人
附录
方法
本报告用的是Linear平台的聚合产品数据，涵盖AI对话、代理会话、问题活动、评论和拉取请求等信息。数据只包括付费工作空间和它们的用户。把所有指标汇总展示，目的是查看团队用AI做软件开发的整体模式，非个人行为。每个指标统计时间固定，为一个日历月或过去30天。同比图表用2025年6月和2026年6月的数据。采用率指标用过去30天的滚动窗口，时间序列图表按周汇总数据。这能减少短期数据波动的影响。有些图表只保留在两个时间窗口都活跃的用户数据。
定义
- AI活跃用户：28天内至少有一次AI交互（如应用内或Slack对话、代理会话）的用户。
- 代理团队：连了编码代理的工作空间。
- 拉取请求：针对和Linear平台关联仓库发起的代码变更请求，统计的是开启的，非合并的。
- 付费工作空间：相关期间内付费且活跃的工作空间。
- 代理问题：包括把问题交给代理或者启动代理会话。
- 公司规模：通过第三方数据补充得到的公司全职员工数量。
扫一扫
4550
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
