2025年夏天，16名资深开源开发者参加了一场实验。246个真实任务来自他们维护的大型仓库，平均每个两小时；一半允许用 AI，一半不许。
允许用 AI 的那一半，反而多花了19%的时间。更怪的是，动手前他们预计 AI 能快24%，做完之后仍觉得自己快了20%。METR
实验用的是2025年初的 Cursor Pro 和 Claude 3.5/3.7，任务都在开发者最熟悉的老系统里。
生成代码确实快，但代码要 review、要跑测试、要合进一个还在维护的仓库。写的那一步缩短了，后面的步骤没有。成本并没有消失，只是从「事前」搬到了「事后」。知乎
DX 统计四百多家公司，AI 带来的 PR 吞吐量中位数只涨了7.7%；单个 PR 从44行涨到72行；Faros 统计的 review 耗时涨了近两倍。生成从「小时级」压到「分钟级」，最慢的环节挪到了人身上。知乎
你优化了不是瓶颈的环节，总产出不会变快，只会让堵在路上的时间显得更长。
2026年2月，METR 又做了一轮实验：10名原参与者，加47名新开发者，工具也换成了更晚的版本。
原10人子集，这次测出快18%；新招募的47人，只快4%。两个置信区间都跨过0。METR
METR 却先泼了冷水：这组数据不可靠。30%到50%的开发者承认，有些任务他们不愿在没有 AI 的情况下做，所以没提交。
一位参与者说得直白：AI 两小时能做完的事，让我花20小时，太痛苦了。最会用 AI 的人，反而最先从实验里消失；剩下的样本，测不出他们真实的提速。METR
METR 只说它是「非常弱的证据」。METR
2026年5月，METR 换了个问法，直接问349名技术工作者：AI 让你的工作价值涨了多少？速度涨了多少？
中位数是：价值1.4到2倍，速度3倍。同一批人回头看2025年3月，说1.3倍；看2026年3月，说2倍；预测2027年3月，2.5倍。METR
数字很漂亮，但 METR 提醒：问卷结果不一定反映现实。2025年的实验里，人们对 AI 省时的估计平均高估了40个百分点。还有一个细节：METR 员工自报的增益，是所有子群体里最低的。METR
三组数字放在一起，能得出一个不太讨好但更有用的结论：AI 的提效不是一条平均线，它取决于你选了什么任务、怎么验收。
最会骗自己的指标，是「生成花了多久」。真正该记的是「从开始到交付」：改 prompt、等结果、review、返工、合并，全算进去。
这个时间没降，AI 只是把工作挪到了另一张表上。
第二件该记的是返工率。一次通过的代码、方案、文案有多少？返工一次，前面省下的时间就吐回去了。
第三件是任务选择。用 AI 之后，你是不是悄悄只接那些「AI 擅长、你也判断得快」的活？如果是，体感提升会远大于同任务对比。
多 Agent 协作的耗时，可粗略拆成三项：派活、干活、验收。开五六个窗口，看着是并行，实际是人的注意力在串行伺候多个 Agent。组织层面也一样。个人产出变多，整合、核对、对齐口径的成本会往后堆。知乎
A16Z 有过一个判断：「再多高效的个体，也拼不出一个高效的组织」。一个市场部用 AI 一天出三版方案，项目经理把三种格式揉进报告，光检查就熬了一两个通宵。知乎
回到 METR 那个实验。它最有价值的地方，不是证明了「AI 让人变慢」，而是暴露了一个事实：我们对自己效率的判断，常常比实际更乐观。
2025年，开发者感觉快20%，实际慢19%。2026年，同一批人里有人测出快18%，但最重度的用户已经不愿参加没有 AI 的对照组。
这不是一组可以互相抵消的数字。它更像三张不同角度的照片：一张拍任务执行，一张拍人群选择，一张拍自我报告。
你要做的，不是选一张信，而是知道自己在看哪一张。
下次有人问「AI 到底能提效多少」，不妨先反问：你说的是生成那几分钟，还是从接到活到交出去的那几天？
