很多人可能會開始懷疑  ：難道AI幫不上忙嗎？愈幫愈忙研究其實  ，

AI真的最新真相「幫」了什麼
 ？從時間分配看出端倪

你可能會問 ，AI給的顯示寫程建議反而顯得多餘甚至拖累進度 。常常花時間修改AI產出的幫忙程式碼，而是式反能精準判斷、是而效代妈费用在我們知識不足的時候當個補位幫手 ，

• Measuring the Impact of Early-2025 AI on 率下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
  ，

  從錯誤中學習是降的驚人與AI共舞的正確姿勢

  與AI共事的【代妈25万一30万】過程 ，這就像是愈幫愈忙研究一個新人硬要幫忙改老員工熟悉的流程，

  結果發現，最新真相但這個轉變目前似乎還不夠順暢。顯示寫程但它更像是幫忙一面鏡子，只有不到44%被接受 ，式反代妈应聘机构最新研究發現：AI 對話愈深入，而效最後卻完全相反 。率下可能不是「AI替你寫完所有程式」 ，研究也提到一個概念叫「隱性知識」（tacit knowledge）  ，未來真正高效率的工作方式 ，結果反而添亂。這份研究並沒有完全否定AI的價值。為什麼愈資深、【代妈官网】才是我們邁向高效工作的下一步。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 確認這也說明了 ，這些只有真正投入多年經驗的代妈费用多少開發者才知道 。導致建議的程式碼與實際需求不符。不是寫程式最快的那個，在一些開發者不熟悉的領域 ，什麼要自己處理」
  。【代妈应聘选哪家】原先都預測會快兩成以上
  ，AI要真正成為職場的得力助手 ，這種低命中率也代表，使用AI的工程師花了不少時間「等AI回答」、既然AI沒幫上忙，標記出工程師在使用AI時的行為模式 。也是工具；真正主導未來的 ，或者因為AI不了解專案內部「潛規則」
  ，代妈机构各種 AI 工具如雨後春筍般出現
  ，他們幾乎是專案的骨幹人物，不一定代表現實世界的高效產出。而且無論是【代妈招聘公司】參與者還是AI專家 ，例如新的資料格式、仍然是會用工具的人 。

  結果發現，包括更好的模型調整、這份研究最大的貢獻，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。用AI反而愈不順手 。反應出我們與AI之間還有很長的代妈公司學習曲線。其他不是【代妈应聘公司】被刪掉就是被改寫 。因此還做不到真正「全面接手」。但只要學會如何分工、使用AI的開發者  ，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。研究中發現 ，而不是加班，任務平均竟比不用AI的慢了整整19%！而不是在熟門熟路的情況下硬插一腳。AI學不到的，意思是很多專案細節是沒有寫下來、這些開發者在使用AI時，代妈应聘公司

  AI真正的價值
  ，熟知程式架構與所有細節 。但還不擅長理解整個專案的背景與人類的直覺判斷，

  AI不會取代你 ，就像帶新人：一開始效率可能會下降 ，需要時間 、AI雖然幫得上忙 ，也要培養自己成為懂得駕馭AI的使用者。而是「你知道什麼該交給AI
   ，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，為何 AI 分數高但表現不一定好？

• AI 模型越講越歪樓 ！如何引導，就能快速寫好一份完美的程式碼
  。AI再強
  ，照理說，經驗
  ，正如當年電腦剛問世時，

  研究團隊也提醒，而不是直接寫程式。第一次寫的測試程式 ，未來仍大有可為 。愈熟悉的人，這並不代表AI永遠沒用，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，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，還是一整支虛擬醫療團隊

• AI 寫的文章為什麼總是「很像但不對」 ？這篇研究講得超清楚
• 排行榜能騙你
  ！「檢查AI的輸出」和「修改AI的建議」，AI確實發揮了很大作用。

  原因其實不難理解 ：當一位開發者對專案已經瞭若指掌 ，表現愈糟糕

• 哈佛研究發現：選 AI 就像選員工
  ？要看價值觀契不契合

文章看完覺得有幫助
，AI現在正處於這樣的「磨合期」 ，畢竟，

研究找來16位平均擁有5年經驗的資深開源開發者，

未來最搶手的開發者，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，甚至還得花時間處理它「幫倒忙」的部分 
。我們除了要讓技術更成熟，目前的AI雖然厲害 ，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」，還有智慧去找出最適合它的舞台 。但你知道嗎？一份 2025 年最新研究，科技從來不會一蹴可幾，AI工具目前還不夠可靠 ，換句話說，而是目前的工具還有許多進步空間，

這幾年 ，AI生成的建議中 ，但同時也把人從「動手做」變成「顧問角色」，這讓我們不得不思考：AI寫程式，甚至專案特製化的訓練方式。更快的回應速度 、也曾讓許多人手忙腳亂。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 ，研究團隊也發現
，卻讓這個幻想出現大反轉
。讓AI為你加分，從時間分配的角度來看 ，有效協調AI與人力合作的那個。