9月，微软Edge团队承认，AI让开发者做浏览器插件变快了，提交量跟着涨，审核排队越来越长。
8月，Exchange团队也说，AI找Bug找得太猛，工程师验证、复现、修复、回归测试排满，累积更新CU1拖到给不出日期。
同一家公司，两个团队，卡在同一条链路上：Edge的审核队列，Exchange的Bug修复，都是上游踩了油门，下游没跟上。36氪
这不是程序员的专属问题。把“写代码”换成“写方案”“做PPT”，一样。
有人算过一笔账：一份报告从3小时压到30分钟，省下的两个半小时，不会变成散步、接孩子或者发呆。 它大概率会变成第二份报告。知乎
问题出在只算了“生成”那一段。
阿里云CIO蒋林泉的团队拆过研发流程：从需求提出到上线，编码只占两成耗时，另外八成在需求设计、技术方案、测试与联调。小红书
AI最见效的是增删改查、前端UI和测试代码，核心业务逻辑仍要人写。写代码快了，端到端交付不会自动变快。
多出来的代码，也不会自己消失。美团技术团队也碰到过：31万行代码九成以上由AI生成，只能把工程规范写成AI能执行的规则。36氪
普通开发者感受到的，是审查和返工。
vLLM社区维护者BBuf说，最近半年，他50%以上的时间在做code review和读别人的代码。 每周几十个PR，改动几十个文件，一天都很难处理完。知乎
DBinary说得更直接：以前一个人交付功能，就有能力维护它；现在有人用AI直接交付，删不动、改不动、更重写不了，项目后期的压力全压给reviewer和测试。
AI还会把工作频率调高。以前磨豆子，驴的速度就那样，加豆子、换桶不用太频繁；换成电磨子，活没变，手却停不下来。
梅香寒说得更日常：大部分时间都用来给AI的错误买单了。让它把A改成B，它偏写成B；反复提醒，它回你一句“这次一定”，交出来还是错的。
你要么自己改，要么推倒重来。
这种累不只是感觉。《哈佛商业评论》今年3月的一篇文章调查了1488名全职员工，把智能体带来的认知疲劳叫作“AI brain fry”。
另一组研究者在一家科技公司跟了200名员工八个月，发现AI让人主动接下更宽的任务、加快节奏，连休息时间也被“顺手处理一下”占掉。知乎
公司那边的账，又是另一本。AI把个人效率放大十倍，不等于公司多赚十倍。
九乡河龙牙拿海报设计举例：两个设计师两周的活，AI半天做完，报价从2.8万降到0.8万，最后0.3万就能接。客户还是那些客户，市场还是那么大，全行业一起降价。
于是出现一种拧巴的场面：公司一边要求全员AI提效，一边把AI消耗量写进考核。
有家公司一周的额度周三就用完了，随后提倡“简单问题用简单模型”，一个月人均预算几十块。 既要你分享“节省了多少时间”的案例，又不愿意为多出来的token买单。小红书
把AI放对位置，比换更强的模型有用。微软Edge没扩大人工审核，而是拆开审核：AI做标准答案，人做复杂判断。
先找瓶颈，再决定把AI放在哪。如果瓶颈是需求不清、验收标准不明，让AI多写代码，只是把更多未确认的东西堆到下一环。
对个人来说，可以先做三件事。第一，把AI当“能力很强但不可信的初级开发”，审查、测试、安全扫描一条都不能少。
第二，先搭骨架，再让AI填内容；一次做完一块，别反复打补丁；看不懂的产出，直接扔掉重来。36氪
第三，把省下的时间变成能复用的东西：SOP、提示词模板、自动化脚本，或者一件留在自己名下的作品。否则省下来的时间，只会被下一批任务填满。
AI提效不是假命题。它把“快”集中在了生成那一段，把“慢”分散到了审查、返工、协调和等待里。
只算前一段，账当然漂亮。
真正该问的，不是AI还能快多少，而是省下来的那两个半小时，最后归谁。
