人工智慧（AI）原本被認為能為程式設計師節省時間，但如今情況可能恰恰相反。

研究發現，AI 協助開發者發布更多軟體，同時卻也讓他們工時拉長，並在程式碼上線後處理問題。

所謂的「氛圍編碼」（vibe coding）的承諾，常與現實脫節，因為開發者需要花費額外的時間來釐清 AI 生成的錯誤。

軟體工程原本被認為是人工智慧最容易取得成功的領域。如今，包括 OpenAI、Anthropic、Microsoft 和 Google 等公司都已推出專門針對程式設計的 AI 產品。去年一份由 Google 的 DevOps Research and Assessment（DORA）團隊發布的報告，針對近 5,000 名科技專業人士進行調查，發現 90% 的受訪者表示他們在工作中使用了 AI，其中超過 80% 的人認為這項技術提高了他們的生產力。

DORA 團隊負責人 Nathen Harvey 表示：「我們看到絕大多數人至少在一定程度上依賴 AI 來完成工作，這真的很有趣。」

AI 可以生成從網站和行動應用程式到資料管理工具的各種程式碼。它經常自動化工作中一些繁瑣的環節，例如建置測試基礎設施和更新軟體以適應新的裝置和系統。在某些情況下，即使是經驗不足的開發者，也能透過向 AI 系統描述他們的意圖來創建可運作的原型，這個過程通常被稱為「氛圍編碼」，這是 OpenAI 聯合創始人兼研究員 Andrej Karpathy 提出的術語。但編寫程式碼只是工作的一部分；開發者仍然需要驗證程式碼是否按預期運行，並在出現問題時進行修復。

另一項 DORA 報告的發現是，雖然個人程式設計師的效率在使用 AI 後似乎有所提升，但「軟體交付不穩定性」也隨之增加——這項評估衡量的是程式碼上線後，因意外問題需要回滾或修補的頻率。

Harvey 說：「你使用越多 AI，就越有可能回滾已推送到生產環境的變更。這顯然是我們想要避免的情況。」

即使 AI 在編寫程式碼方面變得越來越熟練，它仍然無法消除對人類軟體工程師的需求。開發者通常仍需要編寫客製化程式碼，或至少調整 AI 工具的輸出，以處理 AI 訓練資料中可能未反映的特殊情況或特定業務需求。他們還需要仔細確認機器生成的程式是否完全按照預期運行並符合公司標準。

AI 工具並不會自動縮短工作日。研究表明，在某些工作場所，AI 反而加劇了比以往任何時候都更快的壓力。

如果雇主未能管理其影響，AI 甚至可能加劇軟體工程師的壓力與倦怠。在《哈佛商業評論》二月份發表的一份報告中，加州大學柏克萊分校哈斯商學院的研究人員發現，一家美國科技公司的員工在採用 AI 後，承擔了更多任務，工作節奏更快，工時也更長。即使公司沒有強制使用這項技術，員工們也會在午餐、休息時間和會議期間使用 AI，有些人發現以前的休息時間變得不那麼令人恢復。研究人員警告說，最初的興奮和生產力提升可能會讓位於疲勞、產出品質下降和員工流動率增加的風險。

這種壓力並非憑空產生。在經歷了多年的全行業裁員和企業對效率的要求後，AI 通常被部署，同時也伴隨著對剩餘員工「用更少的資源做更多事」的期望。

此外，一份由總部位於紐西蘭、協助企業追蹤和優化軟體工程實踐的公司 Multitudes 發布的、評估了 500 多名開發者的報告顯示，AI 可以擴大員工的生產力，但也可能增加工作時間。平均而言，工程師合併了 27.2% 更多的「合併請求」（pull requests）——即被批准併入現有軟體專案的程式碼包。但他們的「非工作時間提交」（out-of-hour commits）也增加了 19.6%——即在正常工作時間之外提交的程式碼工作。這可能是未來問題的徵兆。

Multitudes 創辦人兼執行長 Lauren Peate 表示：「如果非工作時間的工作量在增加，這對個人來說不是好事。這可能導致倦怠。」

Multitudes 的報告並未明確證明 AI 直接導致了所測量的變化，但 Peate 表示，訪談顯示，工程師工作時間的變化很可能是因為企業在 AI 時代對員工期望更高的生產力。

她說：「人們感到有額外的壓力需要完成更多工作，而這似乎是導致他們投入更多工時的原因。」

雖然一些研究表明，經驗較少的開發者可能是從 AI 協助中獲益最多的人之一，而且氛圍編碼可以讓程式設計背景較少的人建立可運行的程式，但 Anthropic 最近的一項評估表明，過度依賴 AI 可能會影響程式設計技能的發展。

在 Anthropic 研究人員一月份發布的一份報告中，他們發現，與未使用 AI 的對照組相比，使用新軟體庫的軟體工程師在 AI 輔助下解決任務時，速度僅有微小、統計上不顯著的提升。然而，當對這些程式設計師進行有關該軟體庫的測驗時，獲得 AI 協助的組別得分比未使用 AI 的組別低 17%。那些向 AI 提問而非僅僅依賴它生成程式碼的人，表現通常更好，但研究人員擔心，在工作壓力下，僅僅為了盡快完成任務而使用 AI，可能會對工程師的專業發展造成損害。

此外，他們指出，測驗表現差距最大的是與除錯程式碼相關的問題——即尋找和修復導致程式碼故障的缺陷的過程。換句話說，過度依賴 AI 的初級開發者，不僅在獨立編寫程式碼方面可能遇到困難，在理解和完成他們最初生成的程式碼方面也可能面臨挑戰。Anthropic 研究員 Judy Hanwen Shen 在對《科學美國人》的聲明中表示，目標「不應該是使用 AI 來避免認知努力——而應該是利用 AI 來加深它。」

加州大學柏克萊分校的研究人員指出，工程師們已經發現自己需要幫助那些透過氛圍編碼創建了不完整軟體解決方案的同事。一些開源專案也報告了低品質、由 AI 驅動的提交增加，這消耗了核心開發者的時間。

這發生在哈佛商學院 2025 年的一份工作論文指出，AI 可能會導致開源開發者將時間從處理專案管理任務（如審查程式碼貢獻和維護供貢獻者修復的問題清單）轉移到自己生成程式碼。

該論文的合著者、加州大學爾灣分校保羅梅拉吉商學院資訊系統助理教授 Manuel Hoffmann 表示：「你現在可以自己完成，所以與他人互動的需求不大。這不一定是壞事。」

然而，這種 AI 的使用可能會限制較少經驗的程式設計師磨練技能、建立專業人脈和擴展履歷的另一條途徑。

隨著 AI 重新定義生產力的意義，防止倦怠、保持工作量可控以及提供晉升和培訓途徑的工作場所結構，可能比以往任何時候都更加重要。

Harvey 說：「當有好事發生時，你加入一些 AI，它們可能會變得更好。而當有糟糕的事情發生時，你加入一些 AI，你可能會更敏銳地感受到那種痛苦。」