改變我對AI在軟體工程中看法的五項研究

近日，Brian Houck在《Engineering Enablement》新聞稿中分享了五項改變他看待AI在軟體工程中作用的近期研究。這些研究來自不同團隊，採用不同方法，但共同指向一個核心結論：AI正在壓縮軟體工程的上游工作，但下游的瓶頸和新型債務正在加速累積。

第一項研究由Heilman等人進行，他們透過控制活躍編碼時間，在16,223名開發者中追蹤了43周，發現GitHub Copilot的使用與PR完成量呈劑量反應關係。高使用率周相比無使用周，每小時編碼時間的PR完成量提升約40%，且這種提升在大型PR（7個以上檔案）中更為顯著，排除了PR切片或轉向簡單工作的可能。

第二項研究來自美國國家經濟研究局，分析了超過10萬GitHub開發者的AI採用情況。研究發現，AI在程式碼生成階段帶來巨大增益：自動完成提升約+40%的提交量，互動式代理提升+140%，自主代理提升+180%。然而，這些增益在軟體交付過程中顯著衰減——當考量到最終釋出的版本時，影響僅為約+30%。研究還估計AI與人類工作的替代彈性約為0.25，表明兩者目前更多是互補而非替代關係。

第三項研究由Vella和Blincoe進行，對95名專業軟體工程師進行了長達六個月的縱向調查。結果顯示，84%的參與者在兩個時間點均報告生產力提升，這證實了AI對吞吐量的加速作用。但令人驚訝的是，開發者體驗在多個維度上出現惡化：報告至少一個維度體驗變差的工程師比例在六個月內從14%翻倍至27%，其中“心流”狀態受影響最大。更重要的是，生產力變化與體驗變化之間缺乏相關性，表明兩者正在脫鉤。

第四項研究基於對860名微軟開發者的調查，提出了22個開發者期望的AI工具，並引入了“有界委託”概念。開發者認為，AI加速程式碼生成後，驗證工作成為新的瓶頸——他們更希望AI能自動組裝日誌追蹤檔案、進行智慧PR審查、生成變更感知的測試。同時，開發者劃定了嚴格邊界：AI應接管“組裝性”工作，但絕不能觸及核心邏輯、架構和關鍵決策。他們還提出四項保障措施：明確的許可權範圍、資料來源透明、不確定性訊號和最小許可權安全。

第五項也是最重要的一項研究由Margaret-Anne Storey提出，她認為傳統的“技術債務”概念已不足以描述AI時代的軟體健康問題。AI在減少技術債務（如重構、自動測試）的同時，加速了兩種新型債務的積累：認知債務（團隊對系統的共享理解因AI生成程式碼而侵蝕）和意圖債務（系統的目標、約束和原理未被明確記錄）。這三種債務相互強化：意圖債務導致認知債務，認知債務導致技術債務，技術債務又放大認知債務。管理軟體健康必須同時關注這三個層面。

總的來說，這些研究共同揭示了一個嚴峻現實：我們生成程式碼的速度遠超安全理解、驗證和交付程式碼所需系統的建設速度。未來的挑戰不僅在於編碼效率，更在於如何管理下游瓶頸和新型債務。