程序员拒绝在没有AI的情况下工作——这可能会反噬他们

# 程序员拒绝在没有AI的情况下工作——这可能让他们自食其果 | TechCrunch 来源：https://techcrunch.com/2026/05/29/coders-are-refusing-to-work-without-ai-and-that-could-come-back-to-bite-them/ 研究人员发现，到了2026年，你无法从开发人员手中撬走AI编码工具。 但其他研究人员警告称，虽然AI无疑帮助程序员更快地生成代码，但它可能并没有产生更好的代码。而这可能会在日后给他们带来麻烦。 具体来说，2026年2月，备受尊敬的AI研究实验室METR 发表了一项令人惊讶的发现：（https://metr.org/blog/2026-02-24-uplift-update/#wider-adoption-of-ai-has-made-it-more-difficult-to-measure-task-level-productivity）大多数开发者不再愿意在没有AI的情况下工作，即使是完成有限数量的任务。 METR本希望针对2025年早些时候发表的一项开创性研究（https://arxiv.org/pdf/2507.09089）提供更新数据，该研究关注AI编码生产力。在那项研究中，研究人员测量了开源开发者手动完成任务与借助AI完成任务所需的时间。 虽然该研究中的开发者报告称AI让他们更高效，但当他们得知AI实际上拖慢了他们的速度时，感到震惊。当然，AI生成代码更快，但随后他们需要花额外的时间来查找和修复错误、引导AI以及等待AI完成任务。 当METR试图重复该实验以衡量AI和程序员熟练度的进步时，他们做不到。 开发者不愿参与，“因为他们不想在没有AI的情况下工作”，即使只是为了这项研究，研究人员坦言。 因此，METR在5月发表了一份调查报告（https://metr.org/blog/2026-05-11-ai-usage-survey/#summary），允许技术人员自我报告他们的AI生产力提升。不出所料，他们认为AI使他们对自己所在组织的价值翻了一番。 但最近关于所谓“tokenmaxxing”（token狂刷）巨大开销的头条新闻（https://techcrunch.com/2026/04/17/tokenmaxxing-is-making-developers-less-productive-than-they-think/），加上少量近期研究，使这种自我认知变得可疑。 Tokenmaxxing，即将一个人使用的token数量作为AI生产力代表的做法，到目前为止是2026年的趋势。但它可能已经结束了。 据《金融时报》报道（https://www.ft.com/content/b1a62a7f-6df5-4c90-94ce-64ce9c9961b6?syn-25a6b1a6=1），亚马逊关闭了其内部token追踪排行榜Kirorank，原因是员工通过过度使用AI代理并推高成本来钻空子。这证明了使用AI并不自动转化为提高生产力。 据The Information报道（https://www.theinformation.com/newsletters/applied-ai/uber-cto-shows-claude-code-can-blow-ai-budgets），Uber在2026年前四个月内就耗尽了全年的AI预算。Uber首席运营官Andrew Macdonald最近在一档播客中表示，这些支出并未带来项目或生产力的可衡量提升（https://gizmodo.com/ai-investment-is-harder-to-justify-as-productivity-returns-lag-uber-coo-says-2000763514）。 程序员兼作家James Shore在一篇在Hacker News上疯传的博文（https://www.jamesshore.com/v2/blog/2026/you-need-ai-that-reduces-your-maintenance-costs）中雄辩地指出，AI生成的代码也不一定能减少持续的代码维护需求，甚至可能增加。 他写道：“你现在编码速度快了一倍？最好希望你的维护成本也减半了。否则，你就完蛋了。你正在用暂时的速度提升换取永久的束缚。” 还有其他证据表明AI会加剧代码维护的困扰。 可靠性工程代理初创公司Entelligence AI的创始人兼首席执行官Aiswarya Sankar的一条推文（https://x.com/Aiswarya_Sankar/status/2059298259949232484）宣称，公司将其44%的token用于修复AI生成的bug。与此同时，代码审查工具公司CodeRabbit（https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report）表示，它分析了开源拉取请求后发现，AI产生的问题是人类代码的1.7倍。 诚然，这些数据来自那些试图兜售AI代码审查工具的公司，难免有自利之嫌。 然而，独立研究人员也发现了这类问题。新加坡管理大学的研究人员4月发布了一份报告（https://arxiv.org/abs/2603.28592），警告“AI生成的代码可能会给真实软件项目带来长期维护成本”。 既然程序员离不开他们的AI助手，那么解决方案是什么？ 那些想向你销售AI编码代理的人说，开发者可以只使用AI编码代理来完成修复代码这种令人厌倦的工作，就像AI快速生成代码一样。这正是Cognition的创始人兼CEO Scott Wu（AI编码代理Devin的制造者）所建议的（https://techcrunch.com/2026/05/29/cognitions-scott-wu-says-ai-coding-agents-shouldnt-replace-humans/）。 但就连他也承认，虽然Devin可以独立工作，但根据任务不同，他目前将其技能评级介于初级和中级程序员之间。这并不是一个可以放手不管的解决方案。 SMU的研究人员提出了一个更人性化的方法。程序员应该像熟悉自己最爱的编程语言一样，深刻了解AI擅长和不擅长的任务。他们需要为AI设计强大的质量保证系统，并且不得不像对待初级开发者一样仔细审查AI的工作。 与此同时，研究人员表示（Wu也同意），人类仍然应该负责软件架构和安全设计这类宏观工作。 *当您通过我们文章中的链接购买商品时，我们可能会获得少量佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。*