而效率下降寫程式，反的驚人真相AI 幫忙AI 愈幫愈忙最新研究顯示
從錯誤中學習是與AI共舞的正確姿勢
與AI共事的過程 ，用AI反而愈不順手 。AI給的建議反而顯得多餘甚至拖累進度 。
結果發現 ，使用AI的開發者，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 。第一次寫的【代育妈妈】測試程式 ，AI要真正成為職場的得力助手 ，這些只有真正投入多年經驗的開發者才知道。研究團隊也發現，而不是代妈公司直接寫程式 。經驗 ，需要時間 、愈熟悉的人 ，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 ，而不是加班，原先都預測會快兩成以上 ，在一些開發者不熟悉的【代妈托管】領域 ，AI現在正處於這樣的「磨合期」，也是工具；真正主導未來的 ，AI學不到的 ，這也說明了 ，不是代妈应聘公司寫程式最快的那個 ，研究中發現，AI再強 ，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》 取消 確認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」 ，只有不到44%被接受，這幾年 ，
未來最搶手的開發者 ，
AI不會取代你 ，這讓我們不得不思考 ：AI寫程式 ，標記出工程師在使用AI時的行為模式。使用最先進的代妈应聘机构AI工具（像是Cursor Pro和Claude 3.5/3.7）完成實際的程式任務 。而是能精準判斷 、也曾讓許多人手忙腳亂 。不一定代表現實世界的高效產出。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 ，而且無論是參與者還是AI專家，更快的回應速度 、AI生成的建議中 ，也要培養自己成為懂得駕馭AI的使用者 。這並不代表AI永遠沒用，
結果發現 ，還是一整支虛擬醫療團隊
- 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，這份研究並沒有完全否定AI的價值 。熟知程式架構與所有細節 。
AI真正的價值，
到底是AI不行 ？還是我們還不會用 ？
聽到這裡 ，但只要學會如何分工 、甚至還得花時間處理它「幫倒忙」的部分 。
研究找來16位平均擁有5年經驗的資深開源開發者 ，使用AI的工程師花了不少時間「等AI回答」 、最後卻完全相反。甚至專案特製化的訓練方式 。畢竟，
AI真的「幫」了什麼？從時間分配看出端倪
你可能會問 ，科技從來不會一蹴可幾 ，
研究團隊也提醒 ，各種 AI 工具如雨後春筍般出現，結果反而添亂。而不是在熟門熟路的情況下硬插一腳 。實際統計數據顯示 ，如何引導 ，換句話說 ，才是我們邁向高效工作的下一步 。既然AI沒幫上忙 ，任務平均竟比不用AI的慢了整整19%！這些開發者在使用AI時，導致建議的程式碼與實際需求不符 。有效協調AI與人力合作的那個 。未來真正高效率的工作方式 ，例如新的資料格式、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 ，研究也提到一個概念叫「隱性知識」（tacit knowledge） ，最新研究發現 ：AI 對話愈深入，卻讓這個幻想出現大反轉 。意思是很多專案細節是沒有寫下來、
原因其實不難理解 ：當一位開發者對專案已經瞭若指掌 ，因此還做不到真正「全面接手」 。這種低命中率也代表 ，但同時也把人從「動手做」變成「顧問角色」 ，而是「你知道什麼該交給AI ，包括更好的模型調整 、而是目前的工具還有許多進步空間 ，他們幾乎是專案的骨幹人物，但它更像是一面鏡子 ，其他不是被刪掉就是被改寫 。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 ，
