随着人工智能技术的飞速发展，越来越多的软件开发者开始借助AI辅助工具进行编码、调试和任务管理。业界普遍期待这类工具能够极大提升开发效率，甚至有观点宣称人工智能将彻底改变软件开发的工作方式。然而，近期一项声称测量“2025年早期人工智能对资深开源开发者生产力影响”的研究，却提出了与大众认知相悖的结论：AI工具可能反而减慢了开发者的工作速度。究竟AI是否真的是拉低开发效率的元凶？这一研究背后的设计细节与实证结果值得我们深入剖析，进而为理解AI与开发效率的关系提供更为科学和全面的视角。 本研究采用了一种看似严格的随机对照试验（RCT）设计，招募了16位经验丰富的开源软件开发者，要求他们完成自选的真实项目任务。每位开发者的任务被随机分配到“允许使用AI”与“不允许使用AI”两种条件中。
值得注意的是，这里的“使用AI”定义相当宽泛，开发者完全可以自由选择是否、何时以及如何利用AI工具，这就导致“AI使用”的具体程度存在较大变异。 随机化层面集中在任务而非开发者本人，这意味着同一位开发者会同时完成含AI和不含AI的任务，但任务自身存在差异，难以做到完全可比。不同代码库的特性及任务复杂度也各不相同，这为分析AI对效率的影响增添了额外的复杂性。更何况，开发者可以自选任务顺序且在多个任务间交错工作，由此可能出现顺序效应甚至任务间的串扰影响。 研究的主要发现显示，在多数任务中允许使用AI的条件下，开发者完成任务所花费的时间往往更长，产生了近约19%的缓慢趋势。不过，这一效应的统计置信区间较大，且部分任务类型或情境下的差异几乎与零重合，提示该结果并非铁板钉钉，也未必能代表所有开发场景。
这一点提醒我们，简单平均效应往往掩盖了复杂的人、任务和工具交互作用。 实际上，开发者们对待AI工具的态度及使用习惯存在明显差异。研究显示，近93%的参与者有聊天型模型（如ChatGPT）的使用经验，但仅44%熟悉专门的代码辅助工具Cursor。这种差异化的经验和工具偏好在没有统一培训或规范的情况下，令“AI使用”状态自身含糊不清，也使得结果的解释难以全面准确。 此外，研究中的时间估计与实际用时展示出微妙的关系。尽管开发者普遍对AI带来的时间节约抱有乐观预期，实际完成时间却常常超出预估。
这种现象可能源于人类特有的计划谬误，即过度乐观估计未来任务的完成速度。另外，研究以任务完成时间作为“生产力”指标的做法本身也存在争议——速度快未必意味着高质量或有效率，AI带来的耽搁或许源自开发者更仔细地审核AI输出，防止潜在错误，这本身也是一种积极的质量保证行为。 研究设计中另一个值得关注的问题是任务异质性。软件开发任务横跨不同难度、不同上下文，也涉及不同的代码库结构，这些因素决定了AI工具的适用性和辅助效果的差异。举例来说，AI辅助在处理熟悉项目或惯用代码时的帮助较小，反而在面对新颖、复杂或跨领域的工作时可能更有价值。任务本身的“范围蔓延”与“外部资源需求”等维度对时间影响显著，也进一层揭示了单一平均影响的局限性。
显然，参与者的自主安排和任务间的交错作业也导致了顺序效应和“溢出效应”（spillover），即一个任务的AI辅助经验可能影响紧随其后的非AI任务表现。这种情形下，研究所谓的“对照组”并非绝对独立，进一步挑战了随机对照试验的严格性。因而，尽管该研究自称RCT，部分专家认为其更接近“现场实地研究”，其结果应在此背景下审慎解读。 研究的新闻传播层面也引发了广泛争议。部分媒体以“AI拖慢开发”、“经验丰富的开发者没有从AI中获益”为标题，夸大甚至曲解了研究原意。事实上，研究中并不否认AI对于部分开发者和特定任务有积极效果，只是强调不能一概而论。
另一部分报道则以更平衡的态度，点出样本规模有限、工具使用差异大等限制，提醒从业者切勿盲目期待AI能立即爆发式提升效率。 从行为科学和认知心理学角度来看，软件开发不仅是机械劳动，更是认知密集型的复杂问题解决过程。时间管理、任务估计、优先级判断都深受认知偏差影响。AI工具介入后，开发者可能会以更多时间来理解和评估AI建议，或者更频繁地进行实验和筛选，以防错误输出。这种“缓慢但稳妥”的工作节奏，在短期内表现为时间延长，但长远看有望带来代码质量和项目稳定性提升。 综合这些考量，AI工具对开发者效率的影响不能简单用“快”或“慢”来概括。
它是一种多因素、多层次、多维度的复杂交互现象，依赖于开发者的经验水平、所处项目与任务的特征、AI工具的类型和使用方式，以及心理与社会环境等多重因素。对于管理者来说，理解这一点尤为重要，不应盲从新闻标题或单一研究，而应基于多元视角和持续观察，理性制定AI辅助开发的战略。 未来研究应更加关注统一的AI工具培训，规范使用流程，控制任务难度和环境变量，增强样本多样性，纳入开发者的认知、情感及行为数据，以绘制更全面、细致的AI影响图景。此外，定量时间指标应结合代码质量、bug率、团队协作效能等多维度指标，避免单一指标带来的片面结论。 总之，当前关于AI是否拖慢或加快开发者速度的讨论，反映了软件开发工作本身的复杂性以及人机协作的微妙特性。盲目追求短期速度提升忽视质量与长期效益，将失去AI在软件开发中真正的价值。
今年及未来一段时间，开发者、管理者和研究者都需要摒弃极端观点，拥抱科学严谨的态度，理解和改进人与AI工具互动的机制，才能真正释放人工智能的潜力，推动软件行业迈向更高质量与创新的未来。
