92% 的开发者使用 AI，每周却只提效 4 小时？

我现在大概把 95% 的编码工作都交给了 AI。体感上，确实比以前快不少。

但这两天我看了一场 Pragmatic Summit 的演讲，里面一组数据让我有点意外。

样本是 450 家企业、121000 名开发者，时间范围是 2025/11/1 到 2026/2/1，覆盖从初创公司到大型银行。结果显示：

• • 92.6% 的开发者每月至少用一次 AI 编码工具（Cursor、Codex、Claude 等）

• • 75% 的开发者每周都在用

普及率已经很高了，但平均每周只多出 4 小时产能。这个数字和很多人的主观感受不太一致，我把它发给几个朋友，大家第一反应也都是"怎么会这么低"。

演讲者没有直接给出结论，但我自己的理解是：只把 AI 当写代码加速器，上限不高。

团队里当然会有少数人把 AI 用得非常猛，产出翻几倍都不奇怪。但是一旦样本拉到十几万人，平均值会被大量普通使用者拉回现实。最后看到的就是每周多 4 小时。

所以重点可能不在让每个人再快一点，而在于拿 AI 去解决团队层面的系统性评价。

想提效更多，得先改系统

案例 1：新人入职

微软有研究提到，开发者前 10 个 PR 的表现，和他未来两年的产出高度相关。使用 AI 辅助新人入职的团队使达到第 10 个 PR 的时间缩短了一半。

在这个案例中，AI 能大幅降低建立心智模型的认知负荷：

• • 文档缺失时，不用打断别人的工作流去问问题

• • 代码看不懂时，能即时获得上下文解释和架构梳理

案例 2：代码审查

Cisco 用 AI Agent 改了代码审查流程，审查时间缩短了 50%。

其实大多数团队的 Code review 慢，通常不是慢在看代码上，而是慢在流程：

• • Reviewer 没空，响应延迟

• • 上下文缺失得来回沟通，成本高

• • 多轮修改以及回看，周期被拉长

案例 3：质量控制

JP Morgan Chase 搭了多智能体协作架构（MAFA），把验证、校准、合规检查拆给不同 Agent。

结果居然是速度没掉，质量还提高了。这个结果挺值得重视。

其实这里也是慢在流程了：

• • 人类审查是串行的（一个人审完下一个人审），AI 协作可以并行的

• • 合规检查这类机械性任务，AI 的准确率和稳定性远超人类

AI 是一个放大器

AI 是一个放大器。它能让健康的系统更高效，也会让功能失调的系统崩溃得更快。

数据中揭示了一个两极化的情况：使用 AI 的公司里一半公司事故率减少 50%，另一半事故率翻倍。

想想也是这样，假如原本团队从需求到代码上线的流程存在问题，那么很容易在全员 AI 的情况下造成大量屎山代码，最终导致产品事故率飙升。

保持人类视角

最后，分享视频里的一句话：

「不要指望 AI 能自动修复烂代码或烂流程。请保持怀疑态度，保持人类视角，保持务实。」

AI 是工具，不是魔法。它能让好的更好，但不能把烂的变好，当下的 AI 应该还没有屎上雕花的能力。