近期知乎上出现了一个颇具代表性的话题："AI 写了 60% 的代码，为何企业研发效率并未显著提升？”
许多人据此推断：既然代码能自动生成大半，软件开发效率理应翻倍，程序员是否即将被替代？然而现实往往反常识，问题究竟出在哪里？
核心原因很简单：写代码从来不是研发流程中最耗时的环节。
大众对软件开发的认知常停留在“程序员敲代码”的表象，但实际从业者深知，代码仅是最终产出物。真正消耗时间的是前期的准备工作。
以客户需求“做个会员体系”为例，看似简单的一句话，研发团队却需与产品部门深入探讨：会员等级划分、权益设计、老用户迁移方案、支付系统对接、积分规则计算、运营后台改造，以及多端（APP、网页、小程序）同步更新等细节。这些问题往往需要十几次会议才能梳理清晰。
需求明确后，还需进行技术方案设计，包括数据库架构、接口定义及系统可靠性评估。此后才进入编码阶段。开发结束后，联调、测试、修 Bug、验收、灰度发布及上线监控等环节缺一不可。纵观全流程，纯粹编写代码的时间占比其实并不高。
准备工作的瓶颈难以通过 AI 消除
有人将软件开发比喻为做饭：去超市买菜、洗切配菜、准备调料，这些准备工作可能耗时一小时，而真正下锅炒菜仅需几分钟。此时 AI 介入表示能完成 60% 的“炒菜”工作，但它无法参与前期的一小时准备，且剩余的调味、收汁、装盘仍需人工完成。整体效率提升幅度由此可见一斑。
责任归属与审核成本
另一个常被忽视的关键点是：代码生成速度越快，并不代表价值越高，因为最终承担责任的依然是开发者。
AI 虽能瞬间生成数千甚至数万行代码，但谁来审核逻辑？谁确认其能适应生产级高并发环境？谁为线上事故负责？若无人工审核，这些代码毫无价值。除非 AI 公司愿意为项目故障买单，否则未经人工验证的代码只能视为“待确认草稿”。
单点效率不等于周期缩短
GitHub 去年发布的研究报告显示，使用 AI 辅助编程后，部分开发任务完成速度平均提升了 55%。这一数据虽然亮眼，但其研究对象仅限于单个编码任务，而非整个软件研发生命周期。
企业真正关注的指标，并非某个函数的编写速度，而是从需求提出到最终上线的整体周期缩短了多少。这是两个完全不同的概念。
维护成本的隐性增加
AI 生成的代码往往存在“知其然不知其所以然”的问题。当项目上线半年后，若产品经理提出逻辑修改，团队打开代码可能发现虽能运行，却无人清楚当初的设计思路。人工编写的代码尚且容易遗忘，面对 AI 生成的长篇大论，理解难度更大。
此时团队只能再次求助于 AI，重新描述需求、生成代码并修改，结果好坏全凭运气，导致维护成本大幅上升。
结语：研发的本质是知识管理
软件开发的本质并非代码生产，而是知识管理——即将模糊的商业目标拆解为清晰规则，并转化为稳定运行的系统。
AI 确实降低了代码编写的门槛，但在需求理解、业务判断、架构设计、风险控制及团队协作等方面，人类的能力目前仍难以被替代。因此，即便 AI 能完成 60% 的代码编写，企业研发效率也未能同步飞跃。
研发的瓶颈从来不在编码本身，而在于理解问题、定义问题以及管理复杂性的能力。代码只是工具，真正决定系统价值的，始终是背后的人。