AI 是軟體工程師的萬靈丹？研究指出資深開發者用了AI工具效率反而變慢

近年來，隨著 Cursor、GitHub Copilot 等 AI 程式輔助工具問世，開發者的工作流程正悄悄改變。這些工具可協助自動生成程式碼、修復錯誤甚至執行測試，背後則仰賴來自 OpenAI、Google DeepMind、Anthropic、xAI 等團隊訓練的大型語言模型（LLM）。儘管它們在多項人工測試中展現出色表現，但一項新研究顯示，對資深工程師來說，使用這類工具未必真的能「加快效率」。

新研究：資深開發者使用 AI 工具反而變慢

非營利 AI 安全研究機構 METR（Model Evaluation and Training Research）日前公布最新研究，針對 16 位具備豐富開源貢獻經驗的資深開發者進行隨機對照試驗，評估他們使用 AI 工具處理實際任務的成效。

實驗共設計 246 項真實開發任務，這些任務都來自開發者平時熟悉、長期貢獻的大型程式碼庫。其中一半任務開放使用 Cursor Pro 等 AI 工具，另一半則禁止使用 AI，純靠人工完成。

出乎意料的是，開發者原先預期 AI 可讓任務時間縮短 24%，但實際結果卻相反——使用 AI 工具時，任務平均反而多花了 19% 時間。

操作不熟＋大型專案複雜度高，AI 不見得能幫上忙

研究指出，僅有約 56% 的受試者曾使用過 Cursor，雖然大部分（94%）都曾接觸過類似的網頁式 LLM 工具，本次仍是部分人第一次深入使用此類本地 IDE 整合型 AI 工具。研究團隊也有提供基礎教學，但成效似乎有限。

METR 認為，導致效率下滑的原因可能包括：

• 使用者需額外花時間撰寫提示語、等待 AI 回覆；

• AI 難以掌握大型、複雜程式碼庫的上下文；

• 錯誤的建議可能導致反覆驗證與修正，拉長開發時間。

由於本次實驗聚焦於真實專案環境，而非簡單的演算法題或課堂作業，因此結果格外具參考價值。

仍有潛力助攻新手與輕量任務

雖然研究結果對於 AI 工具的宣傳熱潮潑了點冷水，但研究團隊也強調，這不代表 AI 工具一無是處。過去多項研究顯示，AI 可協助初學者學習程式邏輯，或在較簡單任務中提供靈感與協助。隨著技術演進，未來類似工具的效能也可能顯著提升。

本次研究再次提醒市場，AI 雖有潛力，但「立即提效」並非理所當然。開發者仍需謹慎看待其在實務開發中的角色與限制，避免盲目依賴導致產出錯誤或安全漏洞。

• 新聞來源：reuters

• 延伸閱讀：工程師用了 GitHub 的 Copilot AI程式助手三個月後，研究發現既沒有提高程式開發效率也沒有減少錯誤率
• 延伸閱讀：Red Hat OpenShift新功能有效簡化並擴展應用程式開發，降低IT創新複雜性