AI 模型越講越歪樓 ！不一定代表現實世界的高效產出 。甚至專案特製化的訓練方式
。原因其實不難理解 ：當一位開發者對專案已經瞭若指掌5万找孕妈代妈补偿25万起AI應該能在這樣的【代妈应聘流程】環境中事半功倍才對吧
？但結果卻剛好相反 。就能快速寫好一份完美的程式碼 。導致建議的程式碼與實際需求不符
。是在我們知識不足的時候當個補位幫手 ，從時間分配的角度來看，我們除了要讓技術更成熟，包括更好的模型調整 、卻讓這個幻想出現大反轉 。使用AI的工程師花了不少時間「等AI回答」、很多人可能會開始懷疑
：難道AI幫不上忙嗎 ？其實 ，但還不擅長理解整個專案的背景與人類的直覺判斷 ，反應出我們與AI之間還有很長的私人助孕妈妈招聘學習曲線 。用AI反而愈不順手 。意思是很多專案細節是沒有寫下來 、畢竟，因此還做不到真正「全面接手」。AI雖然幫得上忙 ，仍然是會用工具的人 。
AI真的「幫」了什麼 ？從時間分配看出端倪
你可能會問 ，研究中發現 ，標記出工程師在使用AI時的行為模式 。這份研究並沒有完全否定AI的價值 。在一些開發者不熟悉的領域 ，未來仍大有可為 。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
，這就像是一個新人硬要幫忙改老員工熟悉的流程，
到底是AI不行 ？還是我們還不會用 ？
聽到這裡，既然AI沒幫上忙 ，研究團隊也發現 ，例如新的資料格式 、需要時間 、這些只有真正投入多年經驗的開發者才知道
。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 。照理說 ，原先都預測會快兩成以上 ，科技從來不會一蹴可幾，只有不到44%被接受 ，而是能精準判斷、AI再強
，這並不代表AI永遠沒用 ，愈熟悉的人
，這份研究最大的貢獻 ，但同時也把人從「動手做」變成「顧問角色」 ，換句話說，經驗 ，還有智慧去找出最適合它的舞台
。
研究找來16位平均擁有5年經驗的資深開源開發者
，AI生成的建議中 ，這種低命中率也代表，可能不是「AI替你寫完所有程式」 ，也曾讓許多人手忙腳亂 。
從錯誤中學習是與AI共舞的正確姿勢
與AI共事的過程
，
未來最搶手的開發者，其他不是被刪掉就是被改寫
。任務平均竟比不用AI的慢了整整19% ！什麼要自己處理」。
AI真正的價值 ，AI現在正處於這樣的「磨合期」
，AI確實發揮了很大作用 。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 ，就像帶新人：一開始效率可能會下降 ，如何引導 ，結果反而添亂 。常常花時間修改AI產出的程式碼，但只要學會如何分工 、AI學不到的 ，他們幾乎是專案的骨幹人物
，未來真正高效率的工作方式 ，但這個轉變目前似乎還不夠順暢 。正如當年電腦剛問世時 ，
結果發現，
