什么值得买App下载 App ›
连续签到专享现金活动

代码飙涨17倍,九成被筛,发布仅增30%:AI提效的漏斗真相

MIT与宾夕法尼亚大学追踪十万名开发者完成了一项研究。结果显示,AI让代码行数飙升至原来的17.3倍,但最终发布的软件版本只提升了30%。效率的增幅在软件开发的六个环节中呈现出清晰的漏斗衰减:代码行数增长741%,到独立项目数仅增长26%,最终版本发布增幅回落至20%左右。研究结论指出,只要不革新现有软件工业流程,AI带来的发布率提升永远无法突破26%的天花板。1
六个环节的漏斗衰减
研究统计了软件开发六个环节的增幅,数据呈现出逐级衰减的漏斗形态。同步代理时代,代码行数增长741%,但修改的独立文件数已缩水至187%,实际代码提交降至109%,合并请求增长率降到65%。最终独立项目数仅增长26%,版本发布增幅回落至20%左右。把三代工具的累积效应全部算进去,代码行数涨了16.3倍,软件发布只提升30%。粗算下来,AI写出的代码大部分在流转过程中被筛掉了,真正进入最终产品的不超过两成。1
环节同步代理时代三代工具累积
代码行数+741%+1630%
修改文件数+187%—
代码提交+109%—
合并请求+65%—
独立项目数+26%—
最终版本发布+20%+30%
工作量翻倍成了真实反馈
代码写得飞快,一天能干完以前三天的活。但结果不是提前下班,是老板直接把更多需求塞过来。效率翻倍,工作量翻三倍,薪资不变。有数据显示,到2025年已有45%的企业代码由AI生成,较2023年的15%暴涨30个百分点。AI把程序员的产能天花板抬高了,但企业随之调高了交付预期,个体并未从中获得对等的收益。2
感知与现实的落差同样值得关注。有经验的程序员用上AI编程工具后,真实效率反而慢了19%,但他们自己觉得快了20%。自我评价与实际表现之间差了将近40个百分点。原因在于很多人用AI的方式是让AI生成一段,不对,再改提示词,再生成,还是不对,再改,勉强能用,手动修bug,循环往复。看着一直在忙,实际上全在返工。3
提效瓶颈的根源在哪
AI编程的瓶颈从来不是生成速度,而是指令不够精确。新加坡管理大学和北航的测试表明,让AI一边生成代码一边运行,速度提升55%,错误修复成功率也提高了2到44个百分点。研究还指出,SemiAnalysis分析了43.2万个真实编码代理请求,发现中位数输入token是9.6万,远超行业通常假设的3.2万或6.4万。给AI的信息越充分,输出质量越高。4
大多数人的用法是把AI当代码生成器,让它一次生成一段,出了bug再改。真正能拿到高提效的人,是把需求拆解清楚,用Agent模式让AI跑完整流程——设计、编码、测试、部署,人只做验收和关键决策。用AI当开发者,而非用AI写代码,是两种截然不同的使用方式。5
MIT研究的结论指向同一个方向:不革新现有软件工业流程,AI带来的发布率提升永远无法突破26%。工具本身的能力在增长,但承载这些工具的流程和工作方式没有变,产出天花板就始终存在。对开发团队而言,比起追逐更强的AI模型,重新设计围绕AI的工作流程,可能是更实际的提效路径。1

评论

评论区空态插画

当前文章无评论,是时候发表评论了