使用 AI 编码工具的开发者生产力提高了多少？近期，关于 AI 能使开发者生产力提升 2 倍、3 倍甚至 5 倍的猜测层出不穷。有报告预测，到 2030 年开发者生产力或将增长十倍。
然而讽刺的是，工程界尚未就衡量生产力的通用标准达成共识。部分人甚至完全否定这一概念，认为现有指标存在缺陷。目前关于 AI 提升生产力的论断，多基于主观调查与轶事，缺乏定量数据支撑。
若未确立生产力衡量共识，又该如何客观评判 AI？远程办公的经验表明：缺乏数据指导决策将导致困境——我们在办公模式间反复摇摆，依据往往是教条而非实测结果。
我们正面临重蹈覆辙的风险。唯有先理解并量化 AI 的影响，方能稳健前行。
落后的风险
当前的 AI 热潮令部分企业持观望态度，担忧其对质量的影响未知、存在抄袭风险等。最为谨慎的公司选择静待事态发展。
但对技术驱动型企业而言，落后意味着生存危机。AI 是双重加速器，既影响公司构建什么，也改变如何构建。率先投资 AI 的企业有望获得双重收益：不仅推出 AI 驱动的新产品，还能以更快速度、更低成本推向市场。
多数公司聚焦于“构建什么”，而 AI 将成为“如何构建”的核心驱动力，打造 10 倍乃至 100 倍效能的工程团队。那些能高效优化 AI 工具、快速跨越鸿沟并率先达到生产力平台的企业，将在未来数年享有先发优势。无所作为的风险过高。
理解权衡取舍
手持锤子者，视万物皆钉。人工智能亦然。
GitHub 报告显示，开发者认为 AI 编码工具的最大益处在于提升编码语言能力；另一关键优势是自动化编写样板代码等重复性任务。Codecov 实验亦证实，ChatGPT 在编写简单函数测试及直接代码路径方面表现良好。
但如同任何技术，AI 亦有局限。生成式 AI 和大语言模型（LLMs）尚难胜任架构迁移或业务逻辑融入等高复杂度、创造性任务。若开发者未经审查即采纳 AI 建议，还可能引发安全漏洞或法律风险。
即便如此，AI 无需成为万能药也能变革软件开发流程。当精准应用于特定辅助任务时，它能显著提升效率，使相关工作变得更快、更省、更易，效能提升可达十倍。
量化影响
大多数开发者已在使用 AI 工具。GitHub 调查显示，92% 的用户曾在工作中或个人时间使用过 AI 编码助手。因此，尽早建立基线以对比部署前后的生产力变化至关重要。
即便是简单的代理指标，也能提供定量洞察。针对超 40 万名开发者的研究发现：使用 GitHub Copilot 的开发者每击键插入字符数比未使用者多 1.3 倍，相同时间内编写代码行数多 1.22 倍。虽代码量增加不等同于生产力提升，但这证明其在单元测试、函数及样板代码等重复性任务上节省了时间与精力。
同样，对比投资 AI 工具前后团队交付的功能数量，有助于量化其影响。若每位工程师交付功能数增加且单功能成本降低，将为持续投资 AI 提供更强商业依据。
此外，对比功能交付与返工（churn）及重构（refactor）的比例，可评估 AI 对质量的影响。若因引入新 AI 工具导致质量问题，团队将在返工和重构上耗费更多时间，挤压新功能开发资源。
适度返工与重构虽属必要，但若该比例持续攀升，则表明工具的投资回报率（ROI）正在下降。
做出正确的投资
要回答“AI 能否提升开发者生产力”，首先必须增强对其影响的可见性——明确 AI 在开发流程的哪些环节、何时以及以何种方式带来最高回报。面对高涨的 AI 热潮，挖掘真实数据以揭示真相比以往任何时候都更为迫切。
随着企业投资 AI 开发工具，可通过将可观测性应用于软件开发来赋能团队。这不仅有助于快速识别 AI 的局限与机遇，也为探讨远程办公、DevOps 及内部开发者平台等其他生产力影响因素打开了对话空间。
AI 提升生产力几成定论，但我们仍需审视事实，厘清其具体作用机制，从而做出明智决策。