开发者自认提速24%，实测却慢19%：AI效率神话的裂缝

有个数据挺反直觉的。一群经验丰富的程序员，用AI辅助写代码，心里觉得自己快了24%。结果实验室一测，实际慢了19%。

这不是哪家公司的公关翻车，是METR（Model Evaluation and Threat Research）2024年的研究。测试条件很硬：真实开源项目、对照组、计时。开发者们确实花了更多时间——不是写代码，是检查AI给的答案对不对。

这种现象有个名字："验证开销"。AI生成的代码看起来能跑，甚至写得挺漂亮，但藏着坑。你得读一遍、测一遍、改一遍。这些步骤原本不存在，现在成了新负担。

但故事还有另一面。波士顿咨询2023年做过一个经典实验：让顾问用GPT-4做市场分析、想产品创意。结果速度提升25%，输出质量高了40%。麦肯锡同年的估算更激进：生成式AI在全球知识工作里的潜在价值，每年2.6到4.4万亿美元。

GitHub Copilot的用户调研显示，55%的开发者自认效率提升。注意是"自认"——自我报告和实测之间，永远有 gap。

斯坦福另一个研究把矛盾说得更细。AI客服工具帮新手员工大忙，老手用起来反而没差别，甚至拖后腿。原因很直白：新人不知道标准答案长什么样，AI给啥都新鲜；老手一眼能看出AI的瑕疵，纠正它比重写还累。

所以AI到底能不能提效？答案是：看任务，看人，看阶段。

结构化、边界清晰的活儿——写周报、做摘要、填模板——AI确实省时间。你能一眼判断对错，错了改起来也快。但开放式问题、需要深度推理的环节，AI容易自信满满地胡说。你信它，后面擦屁股的时间翻倍；不信它，等于白用。

更隐蔽的陷阱是"学习曲线幻觉"。刚开始用AI，速度一定下降。你得熟悉它的脾气，知道什么提示词管用，学会快速验货。很多人在这个阶段就放弃，或者得出结论"AI没用"。

真正尝到甜头的人，往往是熬过了这个阶段，而且选对了战场。他们不是把AI当万能助手，而是当特定环节的加速器。写函数注释？扔给AI。设计系统架构？自己来。

企业层面的误判更贵。采购AI工具时，老板算的是"每人每天省两小时"。实际上线后发现，有人省了三小时，有人多花了一小时，还有人用AI写出了需要全组返工的代码。净效果可能是零，甚至是负的。

研究里还有个细节容易被忽略：开发者"相信"自己快了24%。这种信念本身会影响行为——更敢接复杂任务，更少做保守估算。但如果实际交付变慢，项目计划就会系统性崩盘。

所以怎么测AI的真实价值？不是问"快了多少"，是问"同样时间，产出质量变了吗"。也不是看平均数，是看分布——哪些人、哪些场景、哪些任务类型真的受益。

目前最靠谱的结论大概是：AI不是魔法，是杠杆。支点放对了，省力；放错了，砸脚。而大多数人还在找支点的过程中。