AI寫程式沒有變快:一份研究戳破「開發效率」的帳

一項研究發現，AI編碼代理產出更多程式碼，但整體軟體交付量沒有增加——因為人類審查成了瓶頸。這對砸重金導入AI工具的台灣科技業，是一記警鐘。

深夜的新竹科學園區，某系統廠的資深工程師盯著螢幕。AI代理一小時產出的PR，比他過去一週寫的還多。但他光是要看懂、驗證、退回、重看，就花了整個晚上。

這不是個案。Ars Technica報導的一項研究結論相當直白:AI編碼代理帶來的產能增益，絕大部分被人類審查這個瓶頸「吸收」了。程式碼產出變多，軟體沒有變多（https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-code-but-not-more-software/）。

瓶頸不在模型，在「驗收」這一關

這份研究戳中的，是當前AI開發工具敘事最脆弱的一環。廠商賣的是「生成速度」，但軟體工程的稀缺資源從來不是打字速度，而是「判斷力」——決定哪些程式碼該進入生產環境的判斷力。

生成端越快，驗收端的壓力越大。就像一條生產線，前段產能放大三倍，後段品檢人力不變，最終出貨量不會增加，只會堆出更多待檢半成品。工程師的角色正從「寫程式的人」變成「AI產出的品檢員」——而品檢是最耗認知資源、最難以並行化的工作。

Reddit上一位工程師的抱怨與研究相互印證:他發現Claude常常為了簡單需求產出「巨大而複雜的PR」，用得越多，越不信任這些工具（https://www.reddit.com/r/antiai/comments/1wtjlx0/i_straight_up_think_were_being_lied_to_about_ai/）。發文者宣稱的體感未必能代表全域，但「AI傾向過度膨脹diff」是許多一線開發者共同的抱怨。PR越大，審查成本越高，瓶頸效應越明顯。

工具鏈自己先承認了這個問題

真正的訊號不在批評者的聲量，而在創業者用腳投票的方向。近期Hacker News上出現一整批新工具，全部瞄準同一個痛點:

9月底的Relay，定位是「AI編碼代理的harness，負責恢復與驗證」（https://relayevals.com）；10月初的Rashomon，主打為AI代理建立「獨立的執行紀錄」，讓人類可以事後稽核AI到底做了什麼（https://github.com/altrace-dev-role/rashomon）。一個做即時驗證，一個做事後稽核——這條新賽道的存在本身，就是對「AI產出可信嗎」最誠實的市場回答。

對照之下，讓任何AI代理修改任何PC遊戲的Universal Modder（https://github.com/rehan-remade/universal-modder）反而顯得合理:遊戲模組是低風險場域，改壞了重裝就好。AI編碼的甜蜜點，目前仍集中在「失敗成本低於審查成本」的用途上。

台灣的帳要怎麼算

這對台灣的意義很實際。軟體業與科技業正處於導入AI工具的高峰期，採購決策多半以「工程師人均產出」為前提假設。但如果研究的結論成立——總產出被人類審查鎖死——那麼企業真正的投資標的應該不是更多的代理授權，而是審查基礎設施:自動化驗證、獨立執行紀錄、測試覆蓋率的強化。

換句話說，下一波AI開發工具的採購清單上，「驗證」會取代「生成」成為關鍵字。能減少工程師審查負擔的工具，比能加速生成程式碼的工具更有議價能力。

三種情境

樂觀情境:驗證工具成熟到接近自動化，審查瓶頸鬆動，產能增益真正釋放——觸發條件是Relay、Rashomon這類產品被大規模採購並證明有效。基準情境:企業學會分流，AI處理低風險任務、人類守高風險邊界，效率提升但遠低於宣稱。悲觀情境:審查成本持續膨脹，企業為了消化AI產出而擴增資深工程師編制，AI工具反而推高了对最貴人力的需求。

當然，這份研究也可能高估瓶頸的持久性。審查行為會演化——工程師正在發展出掃讀大型diff的新技巧，模型也在學會產出更小的變更。瓶頸是真實的，但它未必是永久的。

真正該問的問題或許是:當「寫程式」變得免費，你的組織裡，誰還有能力為「正確」負責？