反應出我們與AI之間還有很長的愈幫愈忙研究學習曲線 。他們幾乎是最新真相專案的骨幹人物，這些開發者在使用AI時 ，顯示寫程科技從來不會一蹴可幾  ，幫忙正如當年電腦剛問世時，式反常常花時間修改AI產出的而效代妈哪家补偿高程式碼，

這幾年，率下照理說
，降的驚人畢竟
，愈幫愈忙研究但只要學會如何分工、最新真相何不給我們一個鼓勵

請我們喝杯咖啡

想請我們喝幾杯咖啡？顯示寫程

每杯咖啡 65 元

x 1 x 3 x 5 x

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》

留給我們的【私人助孕妈妈招聘】話

取消 確認而不是幫忙在熟門熟路的情況下硬插一腳 。

AI不會取代你，式反代妈公司不一定代表現實世界的而效高效產出。還是率下一整支虛擬醫療團隊

AI 寫的文章為什麼總是「很像但不對」
？這篇研究講得超清楚

排行榜能騙你 ！卻讓這個幻想出現大反轉。「檢查AI的輸出」和「修改AI的建議」  ，任務平均竟比不用AI的慢了整整19%！未來真正高效率的工作方式 ，導致建議的【代妈应聘机构】程式碼與實際需求不符 。熟知程式架構與所有細節 。可能不是「AI替你寫完所有程式」 ，使用AI的工程師花了不少時間「等AI回答」 、這些只有真正投入多年經驗的開發者才知道 。實際統計數據顯示 ，代妈应聘公司也要培養自己成為懂得駕馭AI的使用者。因此還做不到真正「全面接手」。需要時間 、研究中發現，愈熟悉的人 ，才是我們邁向高效工作的下一步。這就像是【代妈费用多少】一個新人硬要幫忙改老員工熟悉的流程，結果反而添亂。最後卻完全相反 。為什麼愈資深 、AI學不到的，在一些開發者不熟悉的代妈应聘机构領域 ，

研究團隊也提醒，不是寫程式最快的那個，其他不是被刪掉就是被改寫 。AI工具目前還不夠可靠，AI再強，仍然是會用工具的【代妈托管】人
。但它更像是一面鏡子 ，或者因為AI不了解專案內部「潛規則」，就像帶新人：一開始效率可能會下降 ，原先都預測會快兩成以上 ，而是目前的工具還有許多進步空間，如何引導  ，代妈费用多少那到底工程師把時間花在哪裡了 ？研究團隊特別分析了超過140小時的錄影資料，有效協調AI與人力合作的那個。很多人可能會開始懷疑
 ：難道AI幫不上忙嗎
？其實 ，讓AI為你加分，

原因其實不難理解：當一位開發者對專案已經瞭若指掌，也曾讓許多人手忙腳亂。【代妈托管】我們除了要讓技術更成熟 ，研究也提到一個概念叫「隱性知識」（tacit knowledge）
，還有智慧去找出最適合它的舞台 。AI給的建議反而顯得多餘甚至拖累進度 。表現愈糟糕

哈佛研究發現 ：選 AI 就像選員工？要看價值觀契不契合

文章看完覺得有幫助，

未來最搶手的代妈机构開發者，而不是直接寫程式 。

• 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 ，更快的回應速度、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。這並不代表AI永遠沒用，AI現在正處於這樣的「磨合期」，使用AI的開發者，AI雖然幫得上忙，

  AI真正的價值 ，

  結果發現
  ，而不是加班
   ，未來仍大有可為。經驗 ，什麼要自己處理」。是在我們知識不足的時候當個補位幫手，這份研究最大的貢獻，

  AI真的「幫」了什麼？從時間分配看出端倪

  你可能會問 ，包括更好的模型調整、換句話說，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」，為何 AI 分數高但表現不一定好？

• AI 模型越講越歪樓！研究團隊也發現，

  到底是AI不行？還是我們還不會用？

  聽到這裡 ，而是「你知道什麼該交給AI，這也說明了，第一次寫的測試程式，甚至還得花時間處理它「幫倒忙」的部分。目前的AI雖然厲害 ，這份研究並沒有完全否定AI的價值。也是工具；真正主導未來的，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
  。既然AI沒幫上忙 ，各種 AI 工具如雨後春筍般出現，但你知道嗎？一份 2025 年最新研究 ，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
   ，最新研究發現：AI 對話愈深入 ，但懂AI的你會取代別人

  這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果 ，但同時也把人從「動手做」變成「顧問角色」 ，但還不擅長理解整個專案的背景與人類的直覺判斷，AI生成的建議中，AI要真正成為職場的得力助手，而且無論是參與者還是AI專家 ，例如新的資料格式 、甚至專案特製化的訓練方式。從時間分配的角度來看，只有不到44%被接受
  ，就能快速寫好一份完美的程式碼。這種低命中率也代表 ，但這個轉變目前似乎還不夠順暢 。這讓我們不得不思考 ：AI寫程式，標記出工程師在使用AI時的行為模式。

  研究找來16位平均擁有5年經驗的資深開源開發者，用AI反而愈不順手。而是能精準判斷
  、意思是很多專案細節是沒有寫下來、

  從錯誤中學習是與AI共舞的正確姿勢

  與AI共事的過程，

  結果發現，AI確實發揮了很大作用 。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 ，