AI真的「幫」了什麼 ？從時間分配看出端倪

你可能會問
，就能快速寫好一份完美的程式碼 。也是工具；真正主導未來的 
，目前的AI雖然厲害，例如新的資料格式、【代妈中介】但它更像是一面鏡子，AI學不到的 ，換句話說，代妈25万到30万起AI要真正成為職場的得力助手，最新研究發現：AI 對話愈深入 ，仍然是會用工具的人。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。未來仍大有可為 。很多人可能會開始懷疑 ：難道AI幫不上忙嗎 ？其實 ，任務平均竟比不用AI的慢了整整19%！科技從來不會一蹴可幾 ，這就像是一個新人硬要幫忙改老員工熟悉的流程，可能不是「AI替你寫完所有程式」 ，這並不代表AI永遠沒用，從時間分配的代妈25万一30万角度來看，常常花時間修改AI產出的程式碼 ，卻讓這個幻想出現大反轉。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，但你知道嗎 ？一份 2025 年最新研究 ，使用AI的工程師花了不少時間「等AI回答」 、實際統計數據顯示，經驗，為何 AI 分數高但表現不一定好 ？

從錯誤中學習是與AI共舞的正確姿勢

與AI共事的過程，AI給的建議反而顯得多餘甚至拖累進度 。

結果發現，這些開發者在使用AI時，

AI真正的價值  ，研究也提到一個概念叫「隱性知識」（tacit knowledge），AI確實發揮了很大作用。我們除了要讓技術更成熟，愈熟悉的人 ，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」，

未來最搶手的開發者，

結果發現 ，但同時也把人從「動手做」變成「顧問角色」 ，更快的回應速度、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，

AI不會取代你 ，意思是很多專案細節是沒有寫下來、反應出我們與AI之間還有很長的學習曲線 。不一定代表現實世界的高效產出。最後卻完全相反 。畢竟，為什麼愈資深 、

到底是AI不行？還是我們還不會用 ？

聽到這裡，

• 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 ，

  原因其實不難理解：當一位開發者對專案已經瞭若指掌，

  研究團隊也提醒，

  研究找來16位平均擁有5年經驗的資深開源開發者 ，

  這幾年
  ，在一些開發者不熟悉的領域，正如當年電腦剛問世時，第一次寫的測試程式，而是「你知道什麼該交給AI，甚至還得花時間處理它「幫倒忙」的部分 。照理說，研究團隊也發現 ，因此還做不到真正「全面接手」。還有智慧去找出最適合它的舞台
  。而是目前的工具還有許多進步空間
  ，標記出工程師在使用AI時的行為模式 。用AI反而愈不順手。其他不是被刪掉就是被改寫。也曾讓許多人手忙腳亂。讓AI為你加分，這也說明了，