管理学界有一句老话：你衡量什么，就会得到什么。通常情况下，你会得到更多你所衡量的东西。
数十年来，软件工程师一直在争论生产力指标，最早是从代码行数开始的。但随着新一代 AI 编程代理生成的代码量前所未有地增加，管理者究竟应该衡量什么变得不那么清晰了。
在硅谷开发者中，庞大的 token 预算——本质上是指开发人员被授权消耗的 AI 算力——已成为一种荣誉象征，但这是一种看待生产力的非常奇怪的方式。当你更关心产出而非投入时，衡量过程的输入几乎没有意义。如果你试图鼓励更多人使用 AI（或出售 token），这种衡量方式或许合理；但如果你试图提高效率，则不合理。
看看“开发者生产力洞察”领域新兴公司提供的证据。他们发现，使用 Claude Code、Cursor 和 Codex 等工具的开发人员生成的可接受代码量比以前多得多。但他们也发现，工程师不得不比过去更频繁地返回修改这些已接受的代码，这削弱了生产力提升的说法。
Alex Circei 是 Waydev 的首席执行官兼创始人，他正在构建一个智能层来追踪这些动态；他的公司与 50 家不同的客户合作，这些客户雇佣了超过 10,000 名软件工程师。
他表示，工程经理看到的代码接受率在 80% 到 90% 之间——这意味着开发人员批准并保留的 AI 生成代码的比例——但他们忽略了工程师在随后几周内必须修改这些代码所产生的周转率，这使得现实世界中的代码接受率降至生成代码的 10% 到 30%。
AI 编码工具的兴起促使 Waydev（成立于 2017 年，旨在提供开发者分析）在过去六个月里彻底重构其平台，以应对快速编码工具的普及。现在，该公司正在发布新工具，用于追踪 AI 代理生成的元数据，提供关于其代码质量和成本的 analytics，从而为工程经理提供更深入的见解，涵盖 AI 采用情况和效能。
虽然分析公司有动机突出他们所发现的问题，但越来越多的证据表明，大型组织仍在摸索如何高效使用 AI 工具。主要公司已经注意到这一点——Atlassian 去年以 10 亿美元收购了另一家工程智能初创公司 DX，以帮助其客户了解编程代理的投资回报率。
来自整个行业的数据讲述了一个一致的故事：更多的代码正在被编写，但其中不成比例的部分并没有被保留下来。
GitClear，该领域的另一家公司，今年1月发布的一份报告发现，AI工具提高了生产力，但其数据也显示“常规AI用户的代码变更量是非AI用户的9.4倍”——这超过了这些工具所带来的生产力提升的两倍。
工程分析平台 Faros AI 利用其 2026 年 3 月的报告 中的两年客户数据，发现随着 AI 采用率的提高，代码变更率（删除的代码行数与新增的代码行数之比）增加了 861%。
自称是 AI 集成工程智能平台的 Jellyfish 收集了 2026 年第一季度 7,548 名工程师的数据。该公司发现，拥有最大令牌预算的工程师产生的拉取请求（对共享代码库的提议更改）最多，但生产力的提升并未随之扩大。他们在令牌成本为 10 倍的情况下实现了 2 倍的吞吐量。换句话说，这些工具产生的是数量而非价值。
当你与开发者交谈时，这类统计数据显得尤为真实：他们发现代码审查和技术债务正在不断累积，尽管他们正沉浸在新型工具带来的自由之中。一个常见的发现是高级工程师与初级工程师之间的差异，后者接受了更多由AI生成的代码，并因此需要处理更大规模的重写工作。
尽管如此，即使开发者们努力弄清楚他们的AI代理究竟在做什么，他们也不打算在短期内回头。
Circei表示：“这是软件开发的一个新时代，你必须适应，而且公司也被迫适应。它不会是一个会过去的周期。”