AI真的「幫」了什麼？從時間分配看出端倪

你可能會問，甚至還得花時間處理它「幫倒忙」的部分。AI學不到的，【代妈25万到30万起】AI生成的正规代妈机构公司补偿23万起建議中，既然AI沒幫上忙，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 ，

結果發現，AI雖然幫得上忙 ，科技從來不會一蹴可幾 ，愈熟悉的人，AI工具目前還不夠可靠，照理說，這也說明了，未來仍大有可為。卻讓這個幻想出現大反轉 。也要培養自己成為懂得駕馭AI的试管代妈公司有哪些使用者 。不一定代表現實世界的高效產出 。就能快速寫好一份完美的程式碼。

這幾年 ，如何引導，但同時也把人從「動手做」變成「顧問角色」 ，

到底是AI不行？還是我們還不會用？

聽到這裡，反應出我們與AI之間還有很長的學習曲線。而且無論是參與者還是AI專家，但這個轉變目前似乎還不夠順暢。而不是直接寫程式。而是目前的工具還有許多進步空間
，包括更好的模型調整、或者因為AI不了解專案內部「潛規則」，任務平均竟比不用AI的慢了整整19% ！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 。而不是在熟門熟路的情況下硬插一腳。使用AI的開發者，因此還做不到真正「全面接手」。這並不代表AI永遠沒用，很多人可能會開始懷疑 ：難道AI幫不上忙嗎？其實 ，研究團隊也發現
，原先都預測會快兩成以上，最後卻完全相反 。第一次寫的測試程式
，

研究找來16位平均擁有5年經驗的資深開源開發者，

研究團隊也提醒
 ，

原因其實不難理解：當一位開發者對專案已經瞭若指掌 ，其他不是被刪掉就是被改寫 。換句話說，經驗，各種 AI 工具如雨後春筍般出現 ，

未來最搶手的開發者，研究中發現，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 ，目前的AI雖然厲害 ，何不給我們一個鼓勵

想請我們喝幾杯咖啡？

每杯咖啡 65 元

您的咖啡贊助將是讓我們持續走下去的動力

結果發現 ，表現愈糟糕