文章最有价值的部分是一组研究数据。这些数据共同指向一个结论： AI 提效 这个说法太笼统了，实际情况复杂得多。

一项对照实验发现，有经验的开发者使用 AI 工具后比不用 AI 的对照组慢 19%。多花的时间主要在三件事上：写提示词让 AI 理解意图，审查 AI 生成的代码是否正确，修正 AI 引入的错误。换句话说，体验上感觉快了（因为代码出来得快），但端到端的交付时间反而更长了。

真正要命的是长期成本。有研究分析了大规模代码库后发现，AI 生成的代码容易被反复修改和重写（代码流失率更高），重复代码更多，技术债务积累更快。另外有论文指出，AI 生成代码的缺陷模式和人工代码不同，包含了更多安全风险和结构性问题。

还有一个学者们注意到的现象：AI 辅助开发实际是在重新分配工作量，不是在消除工作量。资深工程师的生产率下降了。下降的原因是他们的时间从"创造新价值"被挤到了"审查和修正 AI 代码"上，审查负担增加直接吃掉了写代码的时间。

MIT 的一项研究还指出了一个容易被忽略的问题：过度依赖 AI，深度思考和分析问题的时间就变少了。工具越快，人越懒得自己动脑。

这些数据放在一起看，指向一个朴素的结论：AI 优化的是生成代码这个动作，但软件工程的核心不是生成代码，是长期维护一个系统。这两件事不完全重合，甚至会互相冲突。