這幾年，各種 AI 工具如雨後春筍般出現，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」，就能快速寫好一份完美的程式碼。但你知道嗎？一份 2025 年最新研究，卻讓這個幻想出現大反轉。
研究找來16位平均擁有5年經驗的資深開源開發者，使用最先進的AI工具（像是Cursor Pro和Claude 3.5/3.7）完成實際的程式任務。
結果發現，使用AI的開發者，任務平均竟比不用AI的慢了整整19%！而且無論是參與者還是AI專家，原先都預測會快兩成以上，最後卻完全相反。這讓我們不得不思考：AI寫程式，真有這麼神嗎？還是我們對它期望過高？
為什麼「愈熟悉」反而愈沒效率？
這次研究特別找來對自己專案極為熟悉的資深開發者，他們幾乎是專案的骨幹人物，熟知程式架構與所有細節。照理說，AI應該能在這樣的環境中事半功倍才對吧？但結果卻剛好相反。
原因其實不難理解：當一位開發者對專案已經瞭若指掌，AI給的建議反而顯得多餘甚至拖累進度。研究中發現，這些開發者在使用AI時，常常花時間修改AI產出的程式碼，或者因為AI不了解專案內部「潛規則」，導致建議的程式碼與實際需求不符。這就像是一個新人硬要幫忙改老員工熟悉的流程，結果反而添亂。研究也提到一個概念叫「隱性知識」（tacit knowledge），意思是很多專案細節是沒有寫下來、AI學不到的，這些只有真正投入多年經驗的開發者才知道。這也說明了，為什麼愈資深、愈熟悉的人，用AI反而愈不順手。
AI真的「幫」了什麼？從時間分配看出端倪
你可能會問，既然AI沒幫上忙，那到底工程師把時間花在哪裡了？研究團隊特別分析了超過140小時的錄影資料，標記出工程師在使用AI時的行為模式。
結果發現，使用AI的工程師花了不少時間「等AI回答」、「檢查AI的輸出」和「修改AI的建議」，而不是直接寫程式。實際統計數據顯示，AI生成的建議中，只有不到44%被接受，其他不是被刪掉就是被改寫。這種低命中率也代表，AI工具目前還不夠可靠，甚至還得花時間處理它「幫倒忙」的部分。從時間分配的角度來看，AI雖然幫得上忙，但同時也把人從「動手做」變成「顧問角色」，但這個轉變目前似乎還不夠順暢。
到底是AI不行？還是我們還不會用？
聽到這裡，很多人可能會開始懷疑：難道AI幫不上忙嗎？其實，這份研究並沒有完全否定AI的價值。研究團隊也發現，在一些開發者不熟悉的領域，例如新的資料格式、第一次寫的測試程式，AI確實發揮了很大作用。
AI真正的價值，是在我們知識不足的時候當個補位幫手，而不是在熟門熟路的情況下硬插一腳。目前的AI雖然厲害，但還不擅長理解整個專案的背景與人類的直覺判斷，因此還做不到真正「全面接手」。未來真正高效率的工作方式，可能不是「AI替你寫完所有程式」，而是「你知道什麼該交給AI，什麼要自己處理」。
從錯誤中學習是與AI共舞的正確姿勢
與AI共事的過程，就像帶新人：一開始效率可能會下降，但只要學會如何分工、如何引導，未來仍大有可為。這份研究最大的貢獻，正是讓我們看清「AI實際應用」的現實面：實驗室裡的驚人成績，不一定代表現實世界的高效產出。
研究團隊也提醒，這並不代表AI永遠沒用，而是目前的工具還有許多進步空間，包括更好的模型調整、更快的回應速度、甚至專案特製化的訓練方式。換句話說，AI要真正成為職場的得力助手，我們除了要讓技術更成熟，也要培養自己成為懂得駕馭AI的使用者。畢竟，AI再強，也是工具；真正主導未來的，仍然是會用工具的人。
AI不會取代你，但懂AI的你會取代別人
這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果，但它更像是一面鏡子，反應出我們與AI之間還有很長的學習曲線。科技從來不會一蹴可幾，正如當年電腦剛問世時，也曾讓許多人手忙腳亂。AI現在正處於這樣的「磨合期」，需要時間、經驗，還有智慧去找出最適合它的舞台。
未來最搶手的開發者，不是寫程式最快的那個，而是能精準判斷、有效協調AI與人力合作的那個。讓AI為你加分，而不是加班，才是我們邁向高效工作的下一步。
（首圖來源：shutterstock）
科技新報粉絲團
加入好友
訂閱免費電子報
