AI生产率差距

# AI生产力差距 来源：https://bjorg.bjornroche.com/management/ai-productivity-gap/ 毫无疑问，AI已经提升了工程团队的生产力，而且在未来几年只会变得更好。然而，一些领导者认为，成熟完善的功能应该像原型一样被快速搞定。遗憾的是，构建生产级功能所花的时间似乎仍然和过去差不多。AI难道不是应该让我们都变成超高效的10倍效率者吗？ 要理解这种AI生产力差距，我们需要承认开发者实际上是如何分配他们的一天工作的。实际上，编写新功能并不是他们大部分时间花费的地方。尤其是资深工程师，他们会花大量时间弄清楚自己需要编写什么代码，而AI还没有让这部分变得更容易。 有时我甚至发现，AI会让非编码工作变得更慢。例如，每当我需要阅读由AI编写的产品需求文档，甚至是一条Linear工单时，都比审阅人写的文档花的时间更长。AI写作可能过于详细，这使得提炼关键部分更加困难。 但是，用AI让自己的工作更轻松，却让他人的工作更困难，这是另一个话题（[链接](https://bjorg.bjornroche.com/management/slop-at-work/)）。目前，我们先假设AI只带来帮助。即便如此，情况也并非你想象的那么乐观。首先，我们来考虑一位资深开发者。如果他们在一家大型科技公司工作，他们的一天可能是这样的： | 资深开发者 | AI之前（小时） | AI之后（小时） | | --- | --- | --- | | 编写新代码 | 1.5 | 0.5 | | 阅读与调试 | 1.5 | 1.0 | | 设计与架构 | 1.0 | 1.0 | | 代码评审 | 0.75 | 0.75 | | 文档与行政 | 0.75 | 0.75 | | 测试、CI/CD、部署 | 0.5 | 0.75 | | 指导 / 结对编程 | 0.5 | 0.5 | | 会议 | 1.5 | 1.5 | | **总计** | **8.0h** | **6.75h** | 因此，即使我们假设AI让编码速度快了3倍（并且假设他们在测试、CI/CD和部署上多花了一点时间，因为有了更多新代码），这位资深开发者每天也只节省了1.25小时，大约15%。[1](https://bjorg.bjornroche.com/management/ai-productivity-gap/#fn:numbers) 现在，让我们考虑一位在其他方面类似的初级开发者： | 初级开发者 | AI之前（小时） | AI之后（小时） | | --- | --- | --- | | 编写新代码 | 2.75 | 1.0 | | 阅读与调试 | 1.5 | 1.0 | | 设计与架构 | 0 | 0 | | 代码评审 | 0.5 | 0.5 | | 文档与行政 | 0.5 | 0.5 | | 测试、CI/CD、部署 | 0.75 | 1 | | 学习 / 结对编程 | 1.0 | 1.0 | | 会议 | 1.0 | 1.0 | | **总计** | **8.0h** | **6h** | AI为这位初级开发者节省了2小时，使他们的效率提高了约25%。这比资深开发者的提升幅度更大，因为初级开发者会花更多时间编写代码，而这正是AI提升最大的工作部分。 鉴于AI给初级开发者带来的提升更大，具有讽刺意味的是，我仍然听到领导者说这样的话：“我们现在只招聘资深工程师，因为AI已经能做初级工程师的工作了。”实际上，从AI中获益最大的恰恰是初级开发者——尤其是当他们善于把AI当作学习工具，而不只是把它当作一个急于揽活、愿意做琐碎工作的过度热情助手时。[2](https://bjorg.bjornroche.com/management/ai-productivity-gap/#fn:pipeline) 如果上述观察让你感到惊讶，或者你认为开发者每天实际编写代码的时间不止几个小时，那么你可能并不理解这份工作的真正复杂度。[3](https://bjorg.bjornroche.com/management/ai-productivity-gap/#fn:doorman) 不妨这样想：假设你雇用了一个人，他编码能力不错，但难以对系统进行推理，没有耐心与他人一起解决难题，而且无法将模糊的需求拆解为具体的行动项。我不会雇用这样的人，因为他们所缺乏的技能恰恰是这个工作最重要的部分。编码能力出色只是入场券。 当然，AI仍在不断进化，随着它在开发者工作的更多环节变得更好，它应该会继续让开发者越来越高效。但就目前而言，不要指望生产力出现极为戏剧性的飞跃——尤其是在你的资深员工身上。 ## 注释