研究发现：AI或正在减缓部分员工的工作效率

在生成式人工智能（Generative AI）迅猛发展的当下，其被誉为提升各行各业工作效率的“革命性工具”，尤其在软件开发领域，更是备受推崇。许多大型科技公司高管甚至公开表示，旗下相当比例的代码已由AI生成。然而，近日一项由美国加州伯克利AI基准测试组织 Metr 发布的研究报告却指出，对于经验丰富的开发者来说，使用AI工具可能并不会提高生产效率，反而会拖慢工作进程。

■ 研究背景与目的

该研究由人工智能专家 Gary Marcus 解读，并通过 Metr 官方渠道公布。Metr 表示，研究初衷之一是想探讨AI技术是否已经接近取代“AI实验室研究工程师”这一高级技术职位。研究团队关注的是，在现实编码场景中，AI辅助工具能否真正帮助开发者加快开发节奏。

■ 实验设计：AI与非AI开发者对比

在研究中，Metr 选取了一批经验丰富的开源开发者作为参与对象。这些开发者多半参与过大型、复杂的代码库开发，其中一些甚至是这些项目的创建者或核心维护者。研究将他们分为两组，一组可以自由使用AI工具（如代码生成器、辅助调试助手等），另一组则不允许使用任何AI辅助。

在正式编码任务开始前，参与者被问及他们对AI工具的预期，大多数人认为使用AI可以让工作效率提升约24%。任务完成后，他们将该预期略微下调至20%。

但令人惊讶的是，实际结果却与预期大相径庭：使用AI工具的开发者，平均完成任务所需时间比未使用AI的开发者增加了19%。

■ 原因分析：AI为何“反助为阻”？

Metr 并未将此现象归结为AI工具本身的无效，而是指出多个可能影响因素：

AI适配度问题：研究对象多为资深开发者，擅长操作复杂系统，AI生成的建议可能无法完全适配他们对代码结构和逻辑的高标准。
认知切换成本：在接受AI建议与手动编写代码之间不断切换，反而增加了“思维中断”的频率。
验证与调整成本：AI生成代码后，开发者往往需要花费额外时间进行验证、测试和修改，尤其在面对大型项目时更为明显。
过度依赖带来的判断迟缓：某些开发者可能在等待AI输出时延迟了自己的判断和动手速度。

■ 对比观点：AI工具到底有用吗？

尽管该研究结果对生成式AI在编程领域的前景投下阴影，但并非所有声音都持悲观看法。

OpenAI 首席财务官 Sarah Friar 在2025年4月曾公开表示，OpenAI 正在开发“代理式AI工具”，未来可能可以“一键式构建应用程序”，这无疑为非技术人员打开了开发大门。
相对地，资深开源程序员 Salvatore Sanfilippo 在5月发布博文，详细论述了“人类程序员为何仍优于AI”的原因，认为AI工具缺乏创造性与代码生态理解能力。
微软近期发布的一项内部研究也指出，一些刚毕业的年轻程序员由于过度依赖AI，开始失去对底层编程逻辑的理解，这在长远看来可能影响整个行业的人才质量。

■ Metr：AI对不同群体效果不同

Metr 在报告最后指出，虽然AI对熟练开发者不一定有效，但在其他情境下可能效果显著，例如：

小型项目：AI可帮助快速生成样板代码，节省重复性劳动；
新手开发者：AI提供的代码建议和注释有助于学习与理解；
非专业团队：对于没有IT团队的小企业，AI相当于一个“虚拟外包”开发者，能以低成本实现基本软件构建。

■ 企业应谨慎评估AI工具的实际价值

这项研究也为企业提供了一个反思角度。许多公司在AI浪潮下，迅速将AI工具部署到团队中，希望获得所谓的“生产力红利”。然而，这些工具是否真的提升了效率？是否只是带来了额外干扰和验证负担？这些问题值得每一个企业主和IT主管重新审视。

正如 Gary Marcus 所总结的那样：“如果这一发现具有普遍性并可重复验证，那将对生成式AI的核心应用场景构成严峻挑战。人们可能高估了AI带来的生产力提升，同时忽视了其带来的隐性成本。”