AI深度嵌入编程流程，开发者难离工具
截至2026年，编程工作已与人工智能密不可分。知名安全实验室METR在尝试复现2025年关于AI对开发效率影响的研究时遭遇困境——无人愿意加入无AI辅助的对照组。这一现象反映出开发者对AI工具的高度依赖，甚至已超越实验需求本身。
METR实验受阻与真实效率的悖论
尽管早期研究指出，虽然开发者普遍认为AI提升了效率，但实际耗时反而因修正错误、引导模型及等待响应而增加。当该团队试图以更先进的模型重演实验时，招募失败成为常态。研究人员坦言，即便短期参与，开发者也拒绝脱离AI环境。
为此，METR于2026年5月启动一项自评调查，结果显示受访者普遍认为自身价值翻倍。然而，近期动态显示，这种主观评估可能严重偏离现实。
代币消耗成新绩效指标，反噬随之而来
“代币最大化”作为2026年初盛行的趋势，将AI调用次数等同于生产力。但这一模式正显露出系统性风险。据《金融时报》披露，亚马逊因员工滥用内部AI代理操纵排行榜，导致成本飙升却产出停滞，最终关闭了其名为Kirorank的代币排名系统。
优步仅用四个月便耗尽全年AI预算，首席运营官安德鲁·麦克唐纳承认，这笔支出未带来项目量或生产率的实质性提升。
代码质量危机：效率换来的长期负担
程序员詹姆斯·肖尔在博客中警示：“你写代码快了一倍？别忘了维护成本是否同步降低。否则，你正在用短暂的速度换取永久的债务。”
新加坡管理大学2026年4月的研究进一步佐证：AI生成代码的长期维护成本显著上升。代码审查平台Code Rabbit的分析显示，其引入的问题数量为人工编写代码的1.7倍。尽管该机构存在商业关联，但多源数据均呈现相似趋势。
感知效率与真实效能的鸿沟
开发者对AI助手的满意度极高——他们感觉更高效、挫败感更低。但客观数据揭示另一图景：更高的错误率、激增的代币开销，以及随时间积累的技术债。可靠性初创公司Entelligence AI的首席执行官艾斯瓦娅·桑卡尔指出，企业高达44%的AI代币支出被用于修复AI自身造成的缺陷。
破局之道：纪律化使用与人类主导
应对方案因人而异。Devin开发者Cognition公司首席执行官斯科特·吴建议，用更多AI解决AI带来的问题。但他也承认，当前工具表现仅相当于初级至中级开发者水平，并非全自动化替代。
新加坡管理大学则倡导回归以人为本的路径：开发者必须精准掌握AI的能力边界。建议建立专为AI输出设计的质量保障体系，并实施严格的人工审查机制，视其为初级开发者的成果。双方共识在于：架构设计与安全决策仍须由人类掌控。
结语：在依赖与自律之间寻找平衡
编程领域正处于关键转折点。虽然开发者已深度融入AI工作流，难以脱离工具，但证据表明，这种依赖正带来真实成本——预算膨胀、维护压力加剧，以及主观效率与客观产出间的脱节。未来方向并非抛弃AI，而是构建更具纪律性的使用规范，接受在软件工程中，人类判断永远无法被完全替代的现实。