💻 computer science
AI Writes Faster Than Humans Can Review: A Longitudinal Study of an Enterprise 2x Mandate
这项针对一家中型企业“2倍”指令的纵向研究表明，尽管人工智能编程工具在2026年4月前催化了人均开发者吞吐量的持续翻倍，但这些收益是由采用率和累积使用量而非指令本身所驱动的，从而导致了代码审查工作流的重构，使自动化流程在不损害合并稳定性的情况下取代了人工审查。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一家软件公司就像一个繁忙的厨房。多年来，厨师们（开发人员）一直靠手工烹饪料理（代码）。直到 2025 年年中，主厨（CTO）提出了一个大胆的承诺：“我们要利用新的 AI 厨房助手，将每月供应的料理数量增加一倍。”
这份报告是对这一承诺在两年内实际执行情况的长期成绩单。以下是故事的内容，分为几个简单的部分。
1. 最终结果：他们确实产量翻倍了，但并非瞬间完成
公司实现了目标。到 2026 年 4 月，平均每位厨师生产的料理确实比 AI 指令发布前增加了一倍左右。
然而，这并不是像按下开关那样瞬间发生。
- “魔杖”的神话： 报告指出，这种增长并非一夜之间实现的。这更像是学习骑自行车并带着辅助轮的过程。起初，厨师们只是在适应新工具。
- “熟能生巧”的现实： 厨师们使用 AI 的次数越多，他们的速度就越快。最大的提升来自于累积的使用量。一名厨师大约需要经过九个月的高强度使用，才能达到那个“产量翻倍”的水平。这项指令就像是一个教练在喊：“上车骑车！”但速度的提升来自于厨师们实际在踩踏板并随着时间的推移变得更加熟练。
2. 谁变快了？所有人，尤其是处理新事物时
- 整个团队： 速度的提升不仅针对初级厨师或大师。从新员工到高层领导，所有人都变快了。有趣的是，管理者（他们以前很少下厨）看到的百分比增幅最大，因为 AI 为他们提供了一个轻松重回烹饪领域且不会感到压力过大的方式。
- 旧食谱与新食谱： AI 在处理新食谱（新代码）方面表现出色。但当厨师尝试将 AI 用于那些陈旧、落满灰尘的食谱（遗留代码/legacy code）时，效果并不理想。AI 擅长建造房屋的新翼楼，但在翻修破损的地基方面却显得力不从心。
- “模型”之谜： 在研究期间，公司对他们的 AI 大脑进行了三次升级（就像从智能手机升级到超级计算机）。令人惊讶的是，报告无法判断究竟是哪次特定的升级让厨师们变得更快。看起来，无论手里的工具是哪个版本，厨师们都在变得更擅长“使用”工具。
3. 瓶颈：厨房变得拥挤了
这里有一个转折：厨师们开始烹饪的速度变快了，但品尝者（代码审查员）并没有变快。
- 交通堵塞： 由于厨师们产出料理的速度太快，等待品尝的食物队列变得非常长。审查员们突然感到不堪重负，他们的工作量也随之翻倍。
- 机器人品尝者： 为了解决这个问题，厨房开始使用机器人品尝者（自动化 AI 审查）。很快，机器人的检查工作比人类厨师做得还要多。
- “默许”现象： 人类开始减少“品尝”，而增加了“点头”。他们不再写长篇大论来指出问题，而是直接点击“批准”以保持流水线的运转。
- 食物变质了吗？ 令人惊讶的是，并没有。送出（合并）的料理数量保持在高位，被退回（回滚）的料理数量也没有上升。在料理离开厨房的那一刻，味道似乎是好的。然而，报告警告说，我们不知道这些食物以后是否会变质（长期质量问题），因为机器人可能会错过人类能察觉到的细微问题。
4. 主要教训：这是一个流程的变化，而不只是一个工具
报告总结道，这家公司不仅仅是“安装了一个更快的工具”。他们无意中重新设计了整个厨房的工作流。
- 转变： 工作并没有消失，只是转移了。厨师们花在编写代码上的时间减少了，而花在指挥 AI 上的时间增加了。审查员们花在评论上的时间减少了，而花在管理机器人上的时间增加了。
- 警告： 如果你只是告诉人们“快一点”，而不给他们时间去学习新工具，你就会制造出一种“生产力压力悖论”，即每个人都会感到压力巨大，而实际情况并不会得到任何改善。真正的奇迹发生于厨师们有时间去学习、练习并积累使用 AI 的经验。
简而言之： 这家公司成功地将产量翻了一番，但通过实践才达到了这个目标。结果不仅仅是“编码变快了”；这是一种根本性的转变——机器人开始承担繁重的检查工作，而人类则变成了机器人的管理者。目前食物的味道还不错，但厨房看起来已经与从前完全不同了。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。