為什麼AI工具會讓某些團隊變慢

本文是《超越編程助手》系列的第二篇，該系列專注於企業級AI輔助軟件工程。完整系列可在https://articles.zimetic.com免費閲讀。

當兩個團隊在同一季度部署相同的AI編程助手——同一供應商、同一模型、相同席位數量——結果可能截然不同。一個團隊交付更多，事故更少，工程師更滿意；另一個團隊交付量甚至低於工具引入之前。拉取請求積壓等待審查，測試不穩定，部署停滯。工程師上下文切換更頻繁，睡眠更差，甚至開始在LinkedIn上討論“AI疲勞”。

兩種結果的差異不在於AI本身，而在於AI加速推動的一切——那些AI沒有改變、但現在必須跟上步伐的事情。

數據顯示的矛盾

最可信的數據來自2024年DORA加速狀態報告。DORA是衡量軟件交付性能的行業標準框架，涵蓋吞吐量、穩定性、恢復時間和變更失敗率。2024年報告專門用大量篇幅討論AI採用，並得出了一個令人不安的發現。

在個人層面，AI看起來是明顯的勝利：75.9%的受訪者表示依賴AI完成部分工作，75%報告個人生產力提升。流程改善，工作滿意度提高，人們喜歡這些工具。

但在組織層面，情況反轉。DORA的模型發現，“AI採用率增加25%與交付吞吐量下降約1.5%、交付穩定性下降7.2%相關”。個人開發者感覺更快，但團隊交付卻變得更不可靠。這兩句話來自對同一團隊進行的同一調查。

麻省理工學院斯隆管理學院和微軟的最新研究為這種差距提供了理論框架。在《任務鏈、重新定義工作：AI自動化理論》中，Shahidi等人認為，AI的價值體現在工作流層面而非任務層面，並且達到這一價值存在閾值效應。“在達到該閾值之前，採用AI的成本超過收益”，主要作者Peyman Shahidi在2026年4月告訴MIT斯隆。只有當團隊圍繞AI進行重組後，可衡量的收益才會出現。DORA的異常現象正是閾值前區域在生產中的表現：個人任務加速，而團隊級工作流仍按舊流程運行，因而落後。

Gene Kim和Steve Yegge的《氛圍編碼》（2025）將此稱為“DORA異常”，並將其視為其框架——FAAFO（快速、雄心勃勃、自主、有趣、可選性）及相關實踐集——提出的核心動機之一。他們並非説AI不好，而是説沒有正確實踐支撐的AI會可靠地產生DORA所測量的模式。

為什麼更快的編碼會讓團隊變慢

機制如下：當前端編碼步驟加速而下游沒有相應升級時，瓶頸不會消失，只會轉移。

更多代碼意味着更多審查負擔。更多審查負擔意味着拉取請求延遲增加。更多等待中的拉取請求意味着審查者更多上下文切換。更多上下文切換意味着更多錯誤被漏過，因為人類注意力是有限資源，Gloria Mark的23分鐘中斷恢復時間仍然成立。更多錯誤意味着更多事故，更多事故意味着更多待命中斷、事後分析和重建管道信任的時間。每個因素都會放大其他因素。

MIT斯隆論文進一步闡述了這一點。每次AI與人類之間的交接都伴隨着協調成本——審查、驗證、調整——而AI任務接着人類任務的工作流在每個步驟都積累這些成本。端到端工作流如果將相鄰的AI友好任務聚類在一起，則可以避免交接税。“更多代碼，更多審查，更多上下文切換”的級聯就是交接税的顯化。

在AI到來之前，“編碼”部分已經只佔總吞吐量的一小部分。孤立地加速它幾乎不會提高上限，甚至可能因消耗下游步驟的能力而降低上限。

這並非新機制，而是應用於軟件交付的阿姆達爾定律，以及應用於協調工作的約束理論。加速一個非主導階段會導致瓶頸轉移；如果新瓶頸比舊瓶頸更差，總吞吐量就會下降。

贏家與輸家的區別

從AI工具中獲益的團隊通常擁有或快速形成一組特定的實踐。氛圍編碼稱之為基本技能；類似的想法也出現在DORA自己的推薦以及關於AI增強開發的日益活躍的文獻中。核心包括：

• 架構思維：有人負責系統整體形狀，而不僅僅是當前差異。AI生成的代碼不會默認採用良好架構；它默認為“提示所暗示的任何內容”。從AI中獲益的團隊擁有人類保持整體結構連貫性，隨着變化速度加快而調整。
• 快速反饋循環：測試、CI和預覽環境在幾分鐘內運行，而不是幾小時。在人類編碼速度下令人煩惱的45分鐘CI週期，在AI編碼速度下變得災難性，因為傳入變更的速度壓倒了驗證步驟。Kent Beck——極限編程的原創者——自2025年以來一直明確表示，TDD在與AI代理配對時成為“超能力”。TDD和XP實踐感覺像是2005年的復興，但它們正是實現快速反饋循環的實踐。
• 清晰的代理通信協議：代理獲得什麼上下文，返回什麼，交接如何發生。獲益的團隊將代理交互視為API調用——版本化、文檔化、規範化。掙扎的團隊將其視為自由形式的聊天。
• 依賴管理和小型、邊界清晰的工作項：AI代理擅長小型、明確指定的工作，不擅長大型、模糊、多步驟的工作。獲勝的團隊為AI工具提供合適大小的任務；掙扎的團隊用一個提示要求完成三個人的工作。
• 行動獨立性與協調紀律的平衡：工程師需要自由探索工具，同時也需要足夠的共享結構，使探索不會碎片化代碼庫。“每個人按自己意願使用AI”感覺像是自主，但會產生無人能審查的代碼庫。

失敗團隊缺失的東西

鏡像：沒有明確的架構所有權；緩慢或不穩定的反饋循環被AI的吞吐量增加所淹沒；臨時提示沒有共享約定；工作項太大、太模糊或耦合太緊，AI或人類都無法乾淨地推進；文化上視“工程師按自己意願使用AI”為自主，而實際上是一種拒絕協調。

工具會放大團隊已有的實踐。如果這些實踐很弱，工具會使弱點更快顯現。

這不是工具或工程師的錯

失敗模式是結構性的。團隊以校準到AI之前編碼速度的節奏運行其軟件開發生命週期。當前端加速而其他部分不變時，系統會變得更糟，且從內部難以察覺。工程師感覺更高效（他們寫了更多代碼！），但團隊生產力更低（交付更少，漏洞更多）。

現在工程師每天上班面對堆積的拉取請求，感到不知所措，無法理清所有變更，也不知道這個拉取請求到底在做什麼。壓力水平不斷上升，所有故事都在等待他，工作變得不那麼有趣，更加令人沮喪。

正確的工具與正確的流程

如果我們能夠結合加速整個生命週期的工具與減少團隊成員上下文切換負擔、減少積壓的流程，那麼我們就能實現AI所承諾的團隊級性能提升。

更多代碼不等於更高生產力。交付更多工作才是，而交付工作是整個團隊的成就。下一代AI工具必須認識到這一點。

下一篇

在下一篇文章《廉價AI的終結》中，經濟背景將收緊。打包的企業令牌正在被淘汰。電價、內存價格和硬件供應都朝着不利於“只管消耗令牌”的方向發展。那些依賴大量廉價令牌來掩蓋實踐差距的團隊即將失去這一緩衝。

來源

• DORA | 2024年加速狀態報告
• 2024年DORA報告顯示AI的利弊——InfoQ
• AI如何重塑工作流和重新定義工作——Kristin Burnham，MIT斯隆，2026年4月
• 任務鏈、重新定義工作：AI自動化理論——Shahidi、Demirer、Horton、Immorlica、Lucier
• 氛圍編碼：使用生成式AI、聊天、代理等構建生產級軟件——Kim、Yegge、Amodei（IT Revolution，2025）
• AI驅動開發生命週期：重新構想軟件工程——Raja SP
• 信任AI，Kim和Yegge的新編碼宣言——The Register
• TDD、AI代理與Kent Beck編碼——The Pragmatic Engineer
• 開發者係數——Stripe，2018
• 中斷工作的成本——Gloria Mark等，CHI 2008