AI 让程序员快了一倍,项目反而更慢了

有个研究结论，2025 年出来的时候被骂得很惨，现在越来越多人开始认了。

研究者找了一批资深开源开发者，让他们做自己熟悉的真实任务，一组用 AI 编程工具，一组不用。结果出人意料：用工具的那组，完成任务的时间长了 19%。

不是短 19%，是长 19%。

开发者自己怎么感觉？他们普遍认为 AI 帮自己快了 20%。

感觉快了两成，实际慢了两成。这个差距，才是这个行业最该警惕的东西。

第一层：写代码只占工作的一小部分

大家算 AI 的效率账，算的是"打字速度"。

但一个功能从想法到上线，中间有需求澄清、方案设计、边界条件推演、跟同事对齐、写测试、Review、联调、排查线上问题。真正敲键盘的时间，可能只占三成。

AI 把这三成压缩了，剩下七成没变。所以整体提升有个天花板，而且天花板比想象中低。

更麻烦的是，AI 生成代码很快，但读懂 AI 生成的代码很慢。

一位技术负责人说："以前我是审人写的代码，现在我是审一个我不认识的人写的代码，而且他写得飞快。"

第二层：快，会把瓶颈推到别处

这是软件工程的老规律：局部提速，通常只是把排队挪个位置。

编码快了，Code Review 就成了瓶颈。Review 快了，测试环境就成了瓶颈。都通了，上线审批和灰度观察还是那么慢。

于是你看到一种新的疲惫：每个人都觉得自己在飞速产出，但版本发布的时间没变，甚至因为改动变多、冲突变多而更慢。

系统的产出，等于最慢那一环的产出。你优化了不是最慢的那一环，等于没优化。

第三层：代码总量在膨胀，而人没变多

AI 让写代码变便宜了，结果就是——代码变多了。

多出来的代码，要维护、要测试、要监控、要迁移。技术债的利率，比任何贷款利率都高，而且复利。

所以出现一个悖论：单人效率上升，团队交付速度不变，系统复杂度上升，长期维护成本上升。

短期看是好事，中期看是债务，长期看是包袱。

泼冷水

第一盆：别拿"AI 写了多少比例的代码"当成绩。这个指标跟"我们发了多少行代码"一样，都是过程指标。代码写得多，可能是效率高，也可能是设计烂。

第二盆：也别急着否定。这个研究测的是资深开发者做熟悉任务——恰恰是 AI 帮助最小的场景。新手、陌生技术栈、样板代码、一次性脚本，收益是实打实的。AI 不是让所有人快，是让某些事快。

题外话

历史上每次工具革命，都伴随一次"效率幻觉"。

电子表格出来的时候，财务以为能省一半人，结果报表变得又长又复杂，人反而更多了。邮件出来的时候，大家以为沟通更快了，结果每天多花两小时处理邮件。

规律是：工具提升的是单项任务效率，而组织会把省下来的时间，重新分配给更多的工作。

最后一个问题：

如果 AI 让每个人的产出翻倍，但项目交付时间没变，那多出来的产出，去哪了？

评论区聊聊。