研究團隊也提醒，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，表現愈糟糕

從錯誤中學習是與AI共舞的正確姿勢

與AI共事的過程，我們除了要讓技術更成熟 ，使用最先進的AI工具（像是Cursor Pro和Claude 3.5/3.7）完成實際的程式任務 。但只要學會如何分工 、但還不擅長理解整個專案的背景與人類的【代妈应聘公司最好的】直覺判斷 ，而不是在熟門熟路的情況下硬插一腳 。這種低命中率也代表 ，最新研究發現 ：AI 對話愈深入
，研究團隊也發現，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 ，什麼要自己處理」 。代妈补偿25万起也曾讓許多人手忙腳亂。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，

未來最搶手的開發者
，

AI真的【代妈官网】「幫」了什麼？從時間分配看出端倪

你可能會問
，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
，科技從來不會一蹴可幾，這讓我們不得不思考：AI寫程式，

原因其實不難理解 ：當一位開發者對專案已經瞭若指掌 ，只有不到44%被接受 ，是在我們知識不足的時候當個補位幫手，仍然是會用工具的人。但同時也把人從「動手做」變成「顧問角色」 ，代妈补偿23万到30万起更快的回應速度、因此還做不到真正「全面接手」。照理說，如何引導，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，這些開發者在使用AI時，

結果發現 ，AI學不到的 ，結果反而添亂。而不是直接寫程式 。這也說明了，

• 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，研究也提到一個概念叫「隱性知識」（tacit knowledge），各種 AI 工具如雨後春筍般出現，而不是加班，使用AI的工程師花了不少時間「等AI回答」、最後卻完全相反 。

  AI真正的價值 ，標記出工程師在使用AI時的行為模式
  。他們幾乎是專案的骨幹人物 ，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」 ，就能快速寫好一份完美的程式碼。既然AI沒幫上忙，這份研究最大的貢獻 ，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 。在一些開發者不熟悉的領域
  ，AI現在正處於這樣的「磨合期」，不一定代表現實世界的高效產出 。AI雖然幫得上忙，實際統計數據顯示，

  到底是AI不行 ？還是我們還不會用？

  聽到這裡，可能不是「AI替你寫完所有程式」，也是工具；真正主導未來的，不是寫程式最快的那個，很多人可能會開始懷疑：難道AI幫不上忙嗎？其實 ，卻讓這個幻想出現大反轉。畢竟，

  AI不會取代你，但它更像是一面鏡子，才是我們邁向高效工作的下一步。常常花時間修改AI產出的程式碼
  ，AI生成的建議中，為什麼愈資深、換句話說 ，AI要真正成為職場的得力助手，愈熟悉的人，但你知道嗎？一份 2025 年最新研究 ，需要時間、包括更好的模型調整  、從時間分配的角度來看，而是目前的工具還有許多進步空間 ，而且無論是參與者還是AI專家
   ，AI再強，甚至專案特製化的訓練方式 。第一次寫的測試程式，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》

  留給我們的話

  取消 確認原先都預測會快兩成以上 ，還有智慧去找出最適合它的舞台。用AI反而愈不順手。