據(jù)路透社報道，非營利機構 METR 的最新研究發(fā)現(xiàn)，和大家普遍認為的相反，經驗豐富的軟件開發(fā)者在使用最先進的 AI 工具輔助熟悉的代碼庫時，反而變得更慢，而不是更快。

該機構對一批資深開發(fā)者進行了深入調查，他們用流行的 AI 編程助手 Cursor 來完成自己熟悉的開源項目任務。

研究開始前，這些開發(fā)者預計 AI 能讓自己的工作速度提升，估計任務時間會縮短 24%。完成任務后，他們依然覺得自己節(jié)省了 20% 的時間。但研究數(shù)據(jù)顯示，AI 實際讓任務完成時間增加了 19%。

研究負責人喬爾?貝克和內特?拉什表示，這結果令人非常意外。拉什甚至在研究前預期速度會翻倍。

這項發(fā)現(xiàn)挑戰(zhàn)了“AI 能顯著提升高薪工程師效率”的普遍看法，而這正是吸引大量投資進軍 AI 軟件開發(fā)領域的重要原因。更有甚者，還將 AI 看作將初級程序員崗位的“替代品”。

過去研究中，AI 在提升開發(fā)效率上取得了顯著成果：一項顯示程序員速度提高了 56%，另一項表明開發(fā)者在固定時間內能多完成 26% 的任務。

但 METR 的新研究表明，這些積極結果并不適用于所有情況。尤其是對熟悉大型成熟開源代碼庫的資深開發(fā)者來說，反而出現(xiàn)了效率下降。

研究作者指出，很多相關研究依賴 AI 開發(fā)的基準測試，這些測試未必能真實反映現(xiàn)實工作任務。IT之家從報道中獲悉，效率變慢的主要原因，是開發(fā)者需要花時間檢查和修正 AI 給出的代碼建議。

貝克說：“AI 提出的建議方向基本正確，但細節(jié)上并非完全符合實際需求。”

作者強調，這種變慢不太可能出現(xiàn)在初級開發(fā)者或對不熟悉代碼庫的工程師身上。

不過大部分參與研究的開發(fā)者和作者本人依然使用 Cursor。他們認為，AI 讓開發(fā)過程更輕松愉快，就像修改一篇文章，而不是從空白開始寫作。貝克表示：“開發(fā)者的目標不僅是盡快完成任務，他們更愿意選擇這條付出更少努力的路。”