为什么使用 AI 的开发者工作时间更长
Source: Hacker News
（请提供需要翻译的正文内容，我才能为您进行简体中文翻译。）
Source: …
AI 在软件工程中的应用
软件工程本应是人工智能最容易取得成功的领域。如今，OpenAI、Anthropic、Microsoft 和 Google 等公司都发布了专门针对编码的 AI 产品。
一项 近 5,000 名技术专业人士的调查——由 Google 的 DevOps Research and Assessment（DORA）团队去年发布的报告——显示：
- 90 % 的受访者表示他们在工作中使用 AI。
- 80 %+ 的受访者报告称 AI 提升了他们的生产力。
“我们看到绝大多数人至少在中等程度上依赖 AI 来完成工作，这真的很令人着迷，” Nathen Harvey（DORA 团队负责人）说。
AI 能为开发者做什么
- 为网页和移动应用、数据管理工具等 生成代码。
- 自动化繁琐任务，例如构建测试基础设施以及为新设备或系统更新软件。
- 让 缺乏经验的开发者 只需向 AI 系统描述意图，就能创建可运行的原型——这通常被称为 vibe coding（该术语由 OpenAI 联合创始人兼研究员 Andrej Karpathy 提出）。
人类角色仍然至关重要
即使有 AI 的帮助，开发者仍需：
- 验证 生成的代码是否按预期运行。
- 调试并修复 可能出现的任何问题。
AI 可以加速软件开发的许多环节，但仍需要人为监督以确保质量和可靠性。
支持科学新闻
如果您正在阅读本文，请考虑通过订阅来支持我们屡获殊荣的新闻报道。购买订阅即帮助确保今天塑造世界的发现和理念的有影响力的故事能够持续发布。
DORA 报告的另一项发现是，虽然个人编码者的效率似乎随着 AI 的使用而提升，但“软件交付不稳定性”——即代码在发布后需要回滚或补丁以解决意外问题的频率——也随之上升。
“当你使用更多 AI 时，你更有可能回滚已经推送到生产环境的更改，”Harvey 说。“而这显然是你想要避免的。”
即使 AI 在编写代码方面日益熟练，它也不能消除对人类软件工程师的需求。开发者仍常常需要编写定制代码——或至少对 AI 工具的输出进行微调——以处理异常情况或特定业务需求，而这些可能未在 AI 的训练数据中体现。他们还必须仔细确认机器生成的程序是否完全符合预期并满足公司标准。
AI 工具并不会自动缩短工作日。在一些工作场所，研究表明，AI 反而加剧了比以往更快的工作压力。
如果雇主不管理其影响，AI 甚至可能加剧软件工程师的压力和倦怠。加州大学伯克利分校哈斯商学院的研究人员在二月发表的《Harvard Business Review》报告中发现，一家美国科技公司在采用 AI 后，员工承担了更多任务、工作节奏更快、工作时间更长。即使公司没有强制使用该技术，员工也在午餐、休息和会议期间使用 AI，有些人觉得原本的闲暇时间不再令人放松。研究人员警告说，最初的兴奋和生产力提升可能会转变为疲劳、低质量产出以及更高的员工流失率。
这种压力并非在真空中产生。经历了多年行业裁员和企业效率要求后，AI 往往在伴随“留下的员工要以更少的资源完成更多工作”的预期下被部署。
此外，去年底由Multitudes（一家总部位于新西兰、帮助企业跟踪和优化软件工程实践的公司）发布的针对 500 多名开发者的报告显示，AI 可能提升工作生产力，但也会延长工作时间。
- 平均而言，工程师合并的“拉取请求”（即批准插入现有项目的代码包）增加了 27.2 %。
- 同时，“非工作时间提交”（即在常规工作时间之外提交的代码）上升了 19.6 %。
“如果非工作时间的工作在增加，这对个人并不好，”Multitudes 创始人兼 CEO Lauren Peate 说。“这可能导致倦怠。”
Multitudes 的报告并未明确证明 AI 直接导致了这些变化，但 Peate 表示，访谈显示工程师工作时间的变化很可能是企业在 AI 时代对员工期望更高生产力的信号。
“人们感受到额外的压力，需要完成更多工作，而这似乎促使他们投入更多时间，”她说。
虽然一些研究表明，经验较少的开发者可能是最能从 AI 辅助中受益的群体，而[vibe coding]…（后文未完）
]（https://www.scientificamerican.com/article/how-one-mom-used-vibe-coding-to-build-an-ai-tutor-for-her-dyslexic-son/）可以让几乎没有编程背景的人构建可运行的程序，**Anthropic** 最近的一项评估表明，过度依赖 AI 可能会影响编码技能的发展。
在一份一月发布的报告中，Anthropic 研究人员发现，使用新软件库的软件工程师在有 AI 辅助的情况下完成任务时，速度仅有微小且统计上不显著的提升，而对照组在没有 AI 的情况下工作。当任务结束后对库进行测验时，AI 辅助组的得分比无 AI 组低 17 %。
- 那些向 AI 提问而不是仅仅依赖它生成代码的程序员表现更好。
- 测验成绩差距最大的领域是调试问题——即寻找并修复导致代码运行错误的缺陷。
换句话说，过度依赖 AI 的初级开发者可能不仅在独立编写代码方面更困难，也在理解和完善自己生成的代码时遇到障碍。Anthropic 研究员 Judy Hanwen Shen 在接受 Scientific American 采访时表示，目标“不应是使用 AI 来避免认知努力（https://www.scientificamerican.com/article/do-chatbots-just-need-more-time-to-think/），而是要利用 AI 来加深这种努力。”
UC Berkeley 的研究人员已经指出，工程师们可能会帮助那些通过 vibe coding 创建了不完整软件解决方案的同事。
开源项目与 AI 生成代码
开源项目报告称，低质量、由 AI 驱动的提交数量上升，耗费了核心开发者的时间。请参阅最近的文章《TechBuzz AI coding tools flooding open source with low‑quality code》以及《Scientific American about AI‑generated scientific publishing》中的讨论。
这在 2025 年哈佛商学院工作论文指出，AI 可能导致开源开发者将时间从处理项目管理任务（如审查代码贡献、维护贡献者的议题列表）转向自行生成代码之后出现。该论文可在此处获取。
“现在你可以自己完成，所以不需要太多与他人的互动，” 论文合著者、加州大学欧文分校保罗·梅拉奇商学院信息系统助理教授 Manuel Hoffmann 说。“这并不一定是坏事。”
然而，这种 AI 的使用可能会限制经验不足的程序员通过实践提升技能、建立职业网络、丰富简历的另一渠道。
随着 AI 重新定义生产力的含义，防止倦怠、保持工作负荷可管理并提供晋升与培训途径的职场结构可能比以往任何时候都更为重要。
“当你有很棒的事情在发生，并且加入一些 AI，它们可能会变得更好，” Harvey 说。“而当你正经历痛苦的事情时，加入一些 AI，可能会让你感受到的痛苦更加尖锐。”