前谷歌、Meta工程师Deedy Das描述过一类同事:待审列表有15个PR,最新那个2万行,多是AI生成的。同事回一句“这个想法真不错”,改的地方还是有问题。读代码、找问题、补测试,全落在他身上。36氪
这类人不是反对AI的人,恰恰是最早用AI、也最在意代码质量的那批。他们累,是因为成了团队最后一道质量防线。

LeadDev采访的研究者Annie Vella发现,一些工程师正在离开,原因不是加班,而是工作重心从写代码变成了调度AI、审查代码。
77%的工程师说,自己亲手写代码的时间变少了。过去引以为傲的手艺,现在只剩下“检查AI写得对不对”。
但另一组数字摆在一起,有点别扭。Atlassian《2026年开发者体验报告》调查了1500多名从业者,87%认为AI帮自己交付得更快,80%认为不延长工时也能做更多。
同一份报告里,49%的人每周至少花4小时审查AI输出、修正提示词,75%的人要承担更多验证AI生成内容质量与安全的责任。
俄勒冈州立大学调查了56家机构的442名开发者,结论更直接:AI带来的工作量强化和组织压力,会显著加剧职业倦怠。而且和资历、岗位、公司规模都没关系。初级和资深,一样累。36氪
省下来的时间没有消失,它换了个地方出现。
过去,团队看提交量、部署频率判断产出。现在,AI能在几分钟里生成大量代码,可这些代码要人来读、来测、来背责任。这部分活不进绩效面板。
于是生成代码的人看起来产出很高,认真审查的人反而显得提交量不够。个人用AI提效是加法,组织用AI提效才是乘法。只给员工发个账号,流程不动,提效就只是把工作从“写”搬到“查”。知乎
如果你也是那个用AI的人,先做一件事:把审查和返工的时间记下来。它不进系统,就永远不会被看见。
AI错起来很安静。一位外企财务写过:“最怕的不是报错,是它不报错,还给你一张错表”。她用Power Query把一堆格式相同的表摞成一张,工作表改名就取到空表,金额留成文本就当计数,程序一声不吭。小红书
数字看着齐,其实是错的。

AI把“做”的门槛降得很低,却把“发现做错了”留在了原地。
所以稳的用法是半自动:重复的交给AI,判断和核对留给自己。会议纪要让它按“决定、待办、负责人、时间”提炼,人逐条核时间和责任人;合表让它跑,人抽查关键行。
写方案先给要点和受众,人再改逻辑、核数据。更直接的做法是:先写五条验收标准,再让AI做,最后逐条核对。提效的瓶颈从来不在工具,在你给不给得出验收标准。知乎
AI能写完初稿,写不了“什么算写对了”。省下来的时间,要么换成更少的工作,要么换成更高的产出。不主动选,它就会默认变成后者。
当前文章无评论,是时候发表评论了