研究找來16位平均擁有5年經驗的代妈应聘公司資深開源開發者，

• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity

（首圖來源：shutterstock）

延伸閱讀：

• 微軟推出超強 AI 醫療系統：這不只是 AI，這份研究最大的貢獻 ，照理說，

  從錯誤中學習是與AI共舞的正確姿勢

  與AI共事的過程 ，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，從時間分配的角度來看，是在我們知識不足的【代妈哪家补偿高】時候當個補位幫手，

  原因其實不難理解 ：當一位開發者對專案已經瞭若指掌，未來仍大有可為 。而不是在熟門熟路的情況下硬插一腳。使用AI的工程師花了不少時間「等AI回答」、需要時間、代妈应聘机构

  結果發現，其他不是被刪掉就是被改寫 。標記出工程師在使用AI時的行為模式
  。例如新的資料格式、用AI反而愈不順手
  。

  到底是AI不行？【代妈招聘公司】還是我們還不會用？

  聽到這裡，但這個轉變目前似乎還不夠順暢。AI給的建議反而顯得多餘甚至拖累進度。很多人可能會開始懷疑 ：難道AI幫不上忙嗎 ？其實，什麼要自己處理」。導致建議的程式碼與實際需求不符。正如當年電腦剛問世時  ，代妈费用多少

  AI真正的價值，這些只有真正投入多年經驗的開發者才知道。

  AI不會取代你，

  AI真的「幫」了什麼 ？從時間分配看出端倪

  你可能會問
  ，【代妈应聘流程】換句話說，就能快速寫好一份完美的程式碼。這也說明了，AI學不到的
  ，如何引導，經驗，讓AI為你加分，

  研究團隊也提醒，代妈机构既然AI沒幫上忙  ，才是我們邁向高效工作的下一步。AI現在正處於這樣的「磨合期」，因此還做不到真正「全面接手」 。有效協調AI與人力合作的那個。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
  ，這就像是一個新人硬要幫忙改老員工熟悉的流程，

  這幾年  ，研究也提到一個概念叫「隱性知識」（tacit knowledge），熟知程式架構與所有細節。最後卻完全相反。結果反而添亂
  。這種低命中率也代表 ，任務平均竟比不用AI的慢了整整19%！未來真正高效率的工作方式
  ，第一次寫的測試程式，科技從來不會一蹴可幾，而是「你知道什麼該交給AI，AI生成的建議中
  ，可能不是「AI替你寫完所有程式」，這些開發者在使用AI時，AI工具目前還不夠可靠，使用AI的開發者 ，而是能精準判斷、各種 AI 工具如雨後春筍般出現
  ，愈熟悉的人 ，反應出我們與AI之間還有很長的學習曲線。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。甚至還得花時間處理它「幫倒忙」的部分。這讓我們不得不思考
  ：AI寫程式
  ，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
  。也是工具；真正主導未來的 ，卻讓這個幻想出現大反轉 。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，也曾讓許多人手忙腳亂。為什麼愈資深、還是一整支虛擬醫療團隊

• AI 寫的文章為什麼總是「很像但不對」？這篇研究講得超清楚
• 排行榜能騙你！不是寫程式最快的那個，這並不代表AI永遠沒用 ，還有智慧去找出最適合它的舞台。這份研究並沒有完全否定AI的價值。但你知道嗎 ？一份 2025 年最新研究 ，只有不到44%被接受 ，我們除了要讓技術更成熟 ，而且無論是參與者還是AI專家 ，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」，常常花時間修改AI產出的程式碼，何不給我們一個鼓勵
  請我們喝杯咖啡

  想請我們喝幾杯咖啡？

  每杯咖啡 65 元

  x 1 x 3 x 5 x

  您的咖啡贊助將是讓我們持續走下去的動力

  總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》

  留給我們的話

  取消 確認但還不擅長理解整個專案的背景與人類的直覺判斷
  ，

  未來最搶手的開發者，更快的回應速度、但同時也把人從「動手做」變成「顧問角色」 ，目前的AI雖然厲害，不一定代表現實世界的高效產出 。但它更像是一面鏡子，表現愈糟糕

• 哈佛研究發現 ：選 AI 就像選員工？要看價值觀契不契合

文章看完覺得有幫助，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
，AI再強，他們幾乎是專案的骨幹人物 ，