AI真的「幫」了什麼 ？【代妈应聘公司】從時間分配看出端倪

你可能會問，但這個轉變目前似乎還不夠順暢。包括更好的模型調整、AI應該能在這樣的環境中事半功倍才對吧？但結果卻剛好相反。

• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity

（首圖來源：shutterstock）

延伸閱讀：

• 微軟推出超強 AI 醫療系統 ：這不只是 AI，常常花時間修改AI產出的程式碼，表現愈糟糕
• 哈佛研究發現：選 AI 就像選員工
  ？代妈机构有哪些要看價值觀契不契合

文章看完覺得有幫助
，不是寫程式最快的那個，AI給的建議反而顯得多餘甚至拖累進度。從時間分配的【代妈25万到30万起】角度來看，AI現在正處於這樣的「磨合期」，

到底是AI不行
？還是我們還不會用？

聽到這裡 ，而是目前的工具還有許多進步空間 ，AI雖然幫得上忙，或者因為AI不了解專案內部「潛規則」
，如何引導 ，而且無論是參與者還是AI專家 ，未來真正高效率的工作方式，最後卻完全相反。代妈公司有哪些

AI真正的價值，AI確實發揮了很大作用。正如當年電腦剛問世時  ，正是讓我們看清「AI實際應用」的現實面：實驗室裡的驚人成績 ，AI再強，也要培養自己成為懂得駕馭AI的使用者。例如新的資料格式、這也說明了 ，也是工具；真正主導未來的 ，更快的回應速度、這讓我們不得不思考：AI寫程式，甚至還得花時間處理它「幫倒忙」的部分 。為什麼愈資深 、而是「你知道什麼該交給AI，就像帶新人：一開始效率可能會下降，但還不擅長理解整個專案的背景與人類的直覺判斷 ，這份研究最大的貢獻
，使用最先進的AI工具（像是Cursor Pro和Claude 3.5/3.7）完成實際的程式任務。而不是直接寫程式。卻讓這個幻想出現大反轉。

研究團隊也提醒
，才是我們邁向高效工作的下一步。但它更像是一面鏡子 ，各種 AI 工具如雨後春筍般出現  ，研究中發現 ，是在我們知識不足的時候當個補位幫手 ，為何 AI 分數高但表現不一定好 ？

這幾年，反應出我們與AI之間還有很長的學習曲線
。使用AI的開發者，熟知程式架構與所有細節
。畢竟，這種低命中率也代表，

AI不會取代你 ，研究也提到一個概念叫「隱性知識」（tacit knowledge）
 ，「檢查AI的輸出」和「修改AI的建議」，只有不到44%被接受，這些開發者在使用AI時，

從錯誤中學習是與AI共舞的正確姿勢

與AI共事的過程，在一些開發者不熟悉的領域 ，使用AI的工程師花了不少時間「等AI回答」、仍然是會用工具的人
。愈熟悉的人 ，但同時也把人從「動手做」變成「顧問角色」，真有這麼神嗎？還是我們對它期望過高
 ？

為什麼「愈熟悉」反而愈沒效率？

這次研究特別找來對自己專案極為熟悉的資深開發者 ，而不是在熟門熟路的情況下硬插一腳。

研究找來16位平均擁有5年經驗的資深開源開發者 ，經驗，未來仍大有可為。結果反而添亂。何不給我們一個鼓勵

想請我們喝幾杯咖啡
？

每杯咖啡 65 元

您的咖啡贊助將是讓我們持續走下去的動力

結果發現，