AI 从编码工具进入团队工作流

Linear 基于其产品内可见的聚合活动数据发布报告，展示 AI 在软件团队中的使用方式如何从工程环节扩散到产品、设计、管理和销售相关职能。

这份观察覆盖 Linear 内部可见的 AI 对话、代理委托、议题活动、评论和拉取请求（Pull Request，简称 PR，指向代码仓库提交并请求合并的变更）。Linear 强调，数据只能反映其客户在 Linear 内的行为，无法覆盖团队在外部工具中的 AI 使用，因此它不是整个市场的全景图。

采用率：每个职能都在上升

报告显示，2026 年 1 月至 6 月，各职能中活跃使用 Linear AI 功能的用户占比都增长了一倍以上。产品岗位增长最快，从 12% 升至 34%；距离代码库较远的 go-to-market 职能，也从 5% 升至 18%。Linear 通过归一化职位名称来划分角色，承认边缘情况可能存在误差，但认为整体趋势足够明显。

**高层管理者也在亲自使用 AI。**在员工数 201 人及以上的公司中，CEO 的 AI 活跃比例从 9% 升至 36%，是报告中增幅最大的切分之一。Linear 认为，这说明资深领导者不是只通过汇报了解 AI，而是在工作中直接上手。

关键变化包括：

• 各职能 AI 活跃占比在半年内均翻倍以上；
• 公司规模对采用速度影响不明显，从初创公司到大型企业均约增长三倍；
• 相关公司规模数据来自第三方补充，因此覆盖工作区少于其他统计。

AI 没让工作变少，而是增加了新层次

从 2025 年 6 月到 2026 年 6 月，Linear 内创建、分诊和评论等活动的平均耗时在多数职能中上升。工程岗位仅创建和分诊两项就增加约 17%；创始人群体在创建上增加 17 分钟、评论上增加 26 分钟，不过该群体样本更小、波动也更大。

与此同时，规划相关活动并未明显变化。客户请求、文档和项目上的时间基本保持稳定。Linear 的解释是，各团队规划习惯差异很大，许多决策在进入系统前已经通过对话完成；但总体看，AI 目前更明显地改变了执行方式，而不是决定“做什么”的方式。

**一个新工作层出现了：与 AI 聊天、把议题委托给代理。**这些一年前几乎不存在的活动，如今出现在各职能的一周工作中，其中产品团队最积极。值得注意的是，其他活动并没有相应缩减，说明 AI 至少目前更像叠加在原有流程之上，而非直接替代既有工作。

产出上升：AI 写议题，代理推高 PR

在 Linear 中，AI 创建的议题占比增长显著。两年前，AI 创建的议题不到千分之一；如今，AI 已撰写接近一半的新议题，按当前节奏可能很快超过人工和集成工具的总和。

代码产出也出现明显变化。非工程角色正在更多参与代码提交：产品经理关联 PR 的比例两年内从 3% 升至 10%，设计师从 1% 升至 8%。Linear 只统计连接到其系统的代码仓库，因此这些数字更像下限。

整体看，以 2024 年 6 月为基线，付费工作区中每个工作区打开的 PR 数量两年增长 111%。报告只统计“打开”的 PR，而非最终合并，也不评价变更价值，因此它衡量的是活动量而非业务成果。

最突出的差异来自编码代理。在付费工作区的固定队列中，连接编码代理的团队两年内每周 PR 数从 21 增至 65；未连接代理的团队则从 8 增至 10。Linear 提醒，前一类团队在代理出现前就更高产，两组绝对水平不能直接比较；但各自相对自身基线的变化显示，增长主要集中在使用代理的团队。

行业判断：效率红利仍需用结果验证

这份报告的价值在于，它把观察对象从“消耗了多少 token”推进到“工作流中发生了什么”。Token 是模型处理文本的基本计量单位，但它并不等同于价值：一次机械重构可能消耗大量 token，而一次关键缺陷修复未必如此。

Linear 数据显示，AI 正在模糊软件组织中的角色边界：管理者更深入一线操作，非工程人员开始提交代码，团队把更多上下文输入系统供代理执行。这支持了“每个人都更像构建者”的趋势判断。

但另一面同样重要：目前可见的并不是工作时间减少，而是产出、协作与 AI 交互同时增加。这带有“杰文斯悖论”的意味——技术提升效率后，使用量反而扩大。下一阶段，行业需要从 PR 数、议题数进一步走向结果指标：这些更多的变更是否提升了产品质量、客户满意度和商业表现。