METR不得不重新设计他们的开发者生产力研究。受邀参与的开发者中有30~50%拒绝了参与。原因只有一个 — 他们不愿意在没有AI的情况下编程。
这听起来像是生产力提升的证据。但METR实际测量的生产力数字却指向了完全相反的方向。
大家都这样认为 — "AI让我的价值翻倍"
开发者对AI的主观感受是真实的。METR研究参与者平均报告说AI让他们在组织中价值翻倍，并自我报告生产力提高了约20%。 问题得到更快解决，代码产出更快 — 这种感受是真实的。
这种感受并不完全错误。把原本需要30分钟的函数在5分钟内完成，确实更快。陷阱在别的地方 — 那段5分钟写出的代码，在接下来几周的维护中要花费多少成本，当下是感受不到的。
METR研究参与者的原话
"如果要用老方法做太多事情，我的头会爆炸，就像习惯了打车之后突然要步行穿越整座城市一样。"
但数字说的是反话
METR在2025年初进行的随机对照试验中，将有经验的开发者分为AI辅助组和非辅助组，测量任务完成时间。结果是这样的 — 使用AI的开发者平均比不使用AI的开发者多花了19%的时间完成任务。 自我报告+20%与实测-19%。这个差距就是AI生产力幻觉的核心。
代码质量方面更为严峻。CodeRabbit分析了470个开源GitHub PR，发现AI参与的PR包含的问题是纯人工编写PR的1.7倍。 每个PR平均10.83个问题对比6.45个。安全漏洞(XSS)多2.74倍，逻辑错误多75%，性能回退更是多达8倍。
| 问题类型 | AI生成代码 | 人工编写代码 |
|---|---|---|
| 每PR平均问题数 | 10.83个 | 6.45个 |
| XSS安全漏洞 | 多+174% | 基准 |
| 逻辑与正确性问题 | 多+75% | 基准 |
| 可读性问题 | 多+200% | 基准 |
| 性能回退 | 多+700% | 基准 |
代价来得很快。AI编程分析公司Entelligence表示，企业使用的AI令牌中有44%用于修复AI一开始生成的Bug。 用AI来提升生产力，AI生成了Bug，再用更多AI来修复这些Bug。
从公司层面来看更为清晰。Uber为鼓励员工使用AI工具而引入了排行榜，结果在4个月内就耗尽了2026年的全年AI预算。COO Andrew Macdonald的结论是 — "很难把某个使用量指标和'我们实际上提供了25%更多有用的功能'联系起来。"
Amazon犯了类似的错误。他们推出了内部AI使用量排行榜Kirorank，结果发现员工在不停地向AI提交毫无意义的假任务来提升排名 — 这种行为被称为"令牌刷榜"。Amazon于2026年5月全面关闭了这个系统。 他们给员工的信息 — "不要为了使用AI而使用AI。"
更可怕的是接下来的事 — 悄然退化的技能
除了短期数字，还有一个更长期的问题。拒绝在没有AI的情况下工作，不仅仅是一种偏好，可能意味着在没有AI的情况下判断代码的能力本身正在下降。
编程实力是一种"程序记忆" — 只有通过亲自编写代码、失败、修复的反复循环才能形成的肌肉。当AI帮你跳过这个过程，判断哪段代码好坏的能力本身就会减弱。 这在神经科学上也有据可查 — 只有亲自生成内容的过程中，大脑的多个区域才会同时激活，形成持久的长期记忆。
关键的悖论在这里 — 最能善用AI的开发者，是那些不靠AI也能判断代码的人。 审查AI生成的代码、设计架构、发现安全漏洞 — 这些需要AI无法提供的判断力。现在很多开发者正在把培养这种判断力的机会拱手相让给AI。
"开发者们正在以临时的速度提升换取永久的束缚 — 除非更快地产出代码能将维护成本减半。"
— James Shore，软件工程作家
那到底该怎么用呢
停止使用AI编程工具不是答案。新加坡管理大学研究团队和业界共同找到的结论是 — 像资深开发者对待初级开发者那样对待AI。 不是拿到结果就直接提交，而是审查、理解、负责的结构。
- 将AI代码审查设为基本常规
AI生成的PR必须逐行审查后才能合并。"AI写的"绝不是跳过审查的理由。 - 刻意安排不用AI的编程时间
每周一次，不用AI自己解决小功能或Bug。越觉得不舒服，说明越需要这种锻炼。 - 用部署质量而非令牌用量来衡量
不要重蹈Amazon和Uber的覆辙，不要把AI使用量当作生产力指标。Bug率、部署后故障、PR周期时间才是真正的指标。 - 把AI生成的代码当作初级开发者的代码对待
合并AI写的任何内容之前，问自己："我能解释这段代码为什么这样工作吗？"如果不能，就不能发布。 - 架构和安全设计由人来主导
AI确实有薄弱环节 — 基于整个代码库上下文的架构决策、组织特有的安全政策。这些要自己来设计。
就连Devin的创始CEO也承认了
AI编程代理Devin的开发公司Cognition的CEO Scott Wu承认，目前的AI编程代理在"初级到中级程序员水平"运作。 这就是为什么不能把需要高级判断的决策委托给AI的原因。
想深入了解?
METR Developer Productivity Study Update (Feb 2026) 研究团队不得不重新设计实验的原因 — 直接解释了开发者拒绝参与的案例和AI生产力研究的现有局限。 metr.org
State of AI vs Human Code Generation Report CodeRabbit对470个开源PR的Bug密度和安全漏洞进行系统比较的一手数据报告。 coderabbit.ai
Uber COO: AI支出难以证明其合理性 报道Andrew Macdonald评论和4个月耗尽预算事件全貌的文章。 techspot.com
Amazon关闭Kirorank的原因 令牌刷榜事件全貌，以及Amazon此后用什么指标衡量AI生产力的说明。 mlq.ai
AI时代停止成长的开发者们 从程序记忆和神经科学角度深入分析AI依赖如何影响开发者成长的文章。 evan-moon.github.io
