待审队列里堆着15个PR。第二天早上,又推来一个两万行的。
这不是段子。11月18日,36氪转载了LeadDev的一篇报道,里面提到前谷歌、Meta工程师Deedy Das的观察。
被称作「工匠」的资深工程师,待审队列堆着15个PR,一行行读完、写修改意见;同事回一句「这个想法不错」,AI提交的代码还是错的。最后,这些人也放弃了。
AI没有让他们失业。它只是把他们从写代码的人,变成了团队最后一道质检。 可同一时期的调查里,AI的账面成绩很好看。36氪
Atlassian《2026年开发者体验报告》访问了1500多名从业者:87%说AI让自己交付更快,80%说不延长工时能做完更多事。
同一份报告里还有一行:49%的人每周至少花4小时审查AI输出、改提示词;75%说自己要承担更多验证AI内容的责任。87%和49%不矛盾,它们是同一件事的两端。36氪
去年METR做过一个更直接的实验。他们找了一批有经验的开源开发者做真实任务,掐表。用AI之后,实际完成时间慢了19%。
更值得看的是主观数据:动手前,他们预测AI能让自己快24%;做完之后,仍觉得自己快了20%。
实测慢19%,体感快20%,差了近40个百分点。
不是AI没用,是人很难察觉被挪走的时间。等待、读代码、改错、重来,这些看起来都不像「工作」。知乎

原因不复杂:AI压缩的是「生成」,不是「交付」。
一行一行敲的时候,写代码本身就是瓶颈,审查自然被压在后面。一天写两百行,最多审两百行。现在生成不限流了,一天出几千上万行,瓶颈就挪到了人身上。
DX统计了四百多家公司:AI带来的PR吞吐量提升中位数只有7.7%,单个PR的中位规模却从44行涨到72行。Faros的数据是,review耗时涨了近200%。
哈佛今年的研究更直白:代码产量增加约30%,PR数量增加约23%,但从提交到合并的平均时间反而增加49%。写的速度快了,交付没快。中间那一段,是人。知乎
换成别的活也一样。一份周报,AI三分钟给你八百字,你花二十分钟核对数字、删掉空话。省下的三分钟是真的,多花的二十分钟也是真的。
所以「AI提效」经常不是消灭成本,而是把成本从「事前」搬到「事后」。
产出几乎免费之后,需求也会膨胀:以前两周发一版,现在一周发四版;以前砍需求要吵一架,现在「既然写得快,那就都做了」。省下的时间,又被新需求填回去。
更不对称的是责任。AI给十个方案,选错了它不挨骂;代码上线崩了,背锅的是你。
这也解释了另一种焦虑。11月14日,路透社写了一个28岁的创业者,每月花248美元、约1600元订阅ChatGPT、Claude、Grok和ElevenLabs。
记者问他要省钱先砍什么,他说宁愿退掉Netflix和Spotify,也要留着AI。
11月16日,DeepSeek启用额度限制上了热搜。很多人才意识到,过去「随便用」的额度,是补贴出来的。小红书

一边是订阅在涨、额度在收,一边是验证环节没有变短。账单买来的是生成,不是判断。
那该怎么用?
我的判断标准只有一条:不问AI写得有多快,问「它错了,我多久能发现」。
验证成本低的活,AI是真省时间:格式转换、资料归纳、批量整理、写第一版草稿。错了你一眼看得出,改起来也快。
验证成本高的活,AI往往只是把工作往后挪:关键代码、对外发布的文字、涉及事实和数据的内容。生成一分钟,核对一小时,省下的时间还不够填坑。
两类活长得很像,都是一句提示词丢进去。区别是,前者你只为结果负责,后者还要为过程负责。
那位工程师的困境,其实很多人都会遇到。AI把「做」变得便宜,「判断」就变贵了。产出不再稀缺,稀缺的是知道哪一份该留、哪一份该扔的人。
所以别急着算AI帮你省了几个小时。先算清楚,它把几个小时挪到了哪里。
当前文章无评论,是时候发表评论了