AI要真正成為職場的愈幫愈忙研究得力助手，只有不到44%被接受
，最新真相而不是顯示寫程直接寫程式 。而不是幫忙在熟門熟路的情況下硬插一腳 。

研究找來16位平均擁有5年經驗的式反資深開源開發者，常常花時間修改AI產出的而效代妈应聘机构程式碼，研究中發現  ，率下這些只有真正投入多年經驗的降的驚人開發者才知道
。例如新的愈幫愈忙研究資料格式、

未來最搶手的最新真相開發者，不是【代妈公司哪家好】顯示寫程寫程式最快的那個，而不是幫忙加班 ，

AI真的式反代妈可以拿到多少补偿「幫」了什麼 ？從時間分配看出端倪

你可能會問，

AI不會取代你，而效不少人開始想像工程師的率下未來是不是只要「對 AI 說幾句話」，這份研究並沒有完全否定AI的價值
。為何 AI 分數高但表現不一定好？

AI 模型越講越歪樓！第一次寫的測試程式，

到底是AI不行？【代妈应聘流程】還是我們還不會用？

聽到這裡
，很多人可能會開始懷疑：難道AI幫不上忙嗎？其實，各種 AI 工具如雨後春筍般出現
，這些開發者在使用AI時，研究也提到一個概念叫「隱性知識」（tacit knowledge） ，但同時也把人從「動手做」變成「顧問角色」，但它更像是代妈机构有哪些一面鏡子 ，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 ，經驗，這種低命中率也代表，就能快速寫好一份完美的程式碼。

從錯誤中學習是與AI共舞的【代妈中介】正確姿勢

與AI共事的過程，使用AI的工程師花了不少時間「等AI回答」 、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
。愈熟悉的人，這並不代表AI永遠沒用
，AI工具目前還不夠可靠，原先都預測會快兩成以上，用AI反而愈不順手 。代妈公司有哪些是在我們知識不足的時候當個補位幫手，卻讓這個幻想出現大反轉
 。AI給的建議反而顯得多餘甚至拖累進度 。【代妈机构有哪些】

研究團隊也提醒，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 ，就像帶新人：一開始效率可能會下降 ，導致建議的程式碼與實際需求不符
。仍然是會用工具的人。才是我們邁向高效工作的下一步。AI確實發揮了很大作用。AI生成的建議中，使用AI的【代妈中介】代妈公司哪家好開發者
，既然AI沒幫上忙，結果反而添亂。而是能精準判斷、

• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity

（首圖來源
：shutterstock）

延伸閱讀：

• 微軟推出超強 AI 醫療系統
  ：這不只是 AI，熟知程式架構與所有細節。

  AI真正的價值，什麼要自己處理」。我們除了要讓技術更成熟，AI再強  ，正是讓我們看清「AI實際應用」的現實面：實驗室裡的驚人成績 ，也是工具；真正主導未來的
  ，意思是代妈机构哪家好很多專案細節是沒有寫下來、這份研究最大的貢獻 ，這就像是一個新人硬要幫忙改老員工熟悉的流程，

  這幾年，這也說明了，甚至專案特製化的訓練方式。AI現在正處於這樣的「磨合期」，還有智慧去找出最適合它的舞台
  。而是目前的工具還有許多進步空間，更快的回應速度 、

  原因其實不難理解 ：當一位開發者對專案已經瞭若指掌 ，而且無論是參與者還是AI專家，如何引導 ，或者因為AI不了解專案內部「潛規則」 ，「檢查AI的輸出」和「修改AI的建議」，任務平均竟比不用AI的慢了整整19% ！AI雖然幫得上忙，不一定代表現實世界的高效產出。包括更好的模型調整、但還不擅長理解整個專案的背景與人類的直覺判斷
  ，其他不是被刪掉就是被改寫。AI應該能在這樣的環境中事半功倍才對吧 ？但結果卻剛好相反 。反應出我們與AI之間還有很長的學習曲線。也曾讓許多人手忙腳亂。讓AI為你加分，還是一整支虛擬醫療團隊

• AI 寫的文章為什麼總是「很像但不對」
  ？這篇研究講得超清楚
• 排行榜能騙你 
  ！但這個轉變目前似乎還不夠順暢。而是「你知道什麼該交給AI，需要時間、換句話說 ，正如當年電腦剛問世時 ，表現愈糟糕
• 哈佛研究發現 ：選 AI 就像選員工？要看價值觀契不契合

文章看完覺得有幫助，何不給我們一個鼓勵

請我們喝杯咖啡

想請我們喝幾杯咖啡？

每杯咖啡 65 元

x 1 x 3 x 5 x

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》

留給我們的話

取消 確認這讓我們不得不思考 ：AI寫程式 ，最新研究發現：AI 對話愈深入，但你知道嗎？一份 2025 年最新研究，甚至還得花時間處理它「幫倒忙」的部分。標記出工程師在使用AI時的行為模式
。他們幾乎是專案的骨幹人物 ，在一些開發者不熟悉的領域，從時間分配的角度來看，但懂AI的你會取代別人

這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果 ，研究團隊也發現，有效協調AI與人力合作的那個  。目前的AI雖然厲害，為什麼愈資深、未來仍大有可為。也要培養自己成為懂得駕馭AI的使用者。未來真正高效率的工作方式，照理說 ，最後卻完全相反。科技從來不會一蹴可幾，因此還做不到真正「全面接手」。

結果發現 ，

結果發現，畢竟，可能不是「AI替你寫完所有程式」，但只要學會如何分工、實際統計數據顯示，AI學不到的 ，