山东
IT之家 9 月 8 日消息，一项新调查深入剖析了生成式人工智能（GenAI）对软件开发者日常工作的变革作用。结果显示，不同资历的工程师呈现出明显分化：资深工程师更倾向于大量使用 AI 生成代码，主动承担代码修正工作，且认为 AI 能节省时间；相比之下，初级开发者则更为谨慎，接受 AI 工具的速度较慢，也表示从中获得的效率提升更少。
云平台 Fastly 开展的这项调查显示，越来越多资深开发者不仅会借助 AI 工具生成大量代码，将这些代码部署到生产环境的比例也远高于资历较浅的工程师。
该调查涵盖 791 名专业开发者，在从业 10 年及以上的资深工程师中，近三分之一表示，他们交付的代码有超半数由 AI 生成；而在从业 2 年及以下的初级开发者中，这一比例仅为 13%，不足资深工程师的一半。
这些数据不仅表明资深工程师使用 AI 的频率更高，也反映出他们对 AI 生成代码投入生产的信任度更强。
IT之家注意到，调查还揭示了“感知速度”与“实际修改情况”之间的差距。28% 的开发者表示，他们常常花费大量时间修复或重写 AI 生成的代码，导致 AI 本应带来的优势几乎被抵消；另有 14% 的开发者则称，他们很少需要对 AI 代码进行大幅修改。
尽管如此，超半数受访者表示，包括 GitHub Copilot、谷歌 Gemini、Anthropic Claude 在内的 AI 工具帮助他们提升了工作速度。其中资深工程师的积极性更高，59% 认为 AI 加快了工作进度，而持这一观点的初级开发者仅占 49%。
值得注意的是，即便资深工程师承认需要投入更多精力修正 AI 错误，他们中认为 AI 能大幅节省时间的比例仍是初级开发者的两倍。
资深与初级开发者的差异，或许并非源于对 AI 的热情程度，而是专业能力的差距。超过半数的初级开发者认为 AI 辅助仅能让自己“小幅提速”，而持相同观点的资深工程师仅占 39%；相反，25% 的资深开发者表示 AI 让自己“大幅提速”，这一比例约为初级开发者的两倍。
Fastly 提出了一种合理解释：资深开发者更擅长发现代码中的细微缺陷。凭借丰富经验，他们能识别出 AI 生成代码“表面正确但实际运行异常”的情况，从而在修正错误时更高效，避免工作节奏被打断。
调查还凸显了 AI 工具普遍存在的一个矛盾：许多开发者认为 AI 让自己感觉工作更快，但外部研究却得出了相反结论。Fastly 的调查结果发布前，今年初夏曾有一项随机对照试验显示，资深开源开发者使用代码辅助工具时，完成任务的时间反而增加了 19%。Fastly 认为，这种差异可能源于心理因素 ——AI 的快速自动补全功能会让人在初期产生“进度顺利”的错觉，但后续需要大量修改，最终会抵消部分前期优势。
尽管 AI 带来的效率提升参差不齐，但其对工作满意度的积极影响却十分明确。无论资历深浅，约 80% 的开发者表示，使用 AI 编写代码时，会感觉工作更有趣。
对部分开发者而言，AI 的吸引力在于减少重复性工作；对另一些人来说，则是“按需生成可用代码”的新鲜感。在这个饱受职业倦怠和任务积压困扰的行业，即便生产力提升尚不明确，这种工作积极性的提振或许也具有重要价值。
可持续性是调查揭示的另一核心议题。数据显示，开发者对 AI 的环境成本日益关注，包括其庞大的碳足迹。三分之二的受访者承认 AI 存在较高能耗需求，且多数人表示已在工作中采用绿色编程实践。随着资历提升，采用这一实践的比例也随之上升：初级开发者中这一比例刚过半数，而中高级工程师则接近 80%。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
