AI 生產力的幻覺：從開發者到整個產業的自我感覺良好 | S2E60

aidj

這部由《矽谷輕鬆談 Just Kidding Tech》發布的影片《AI 生產力的幻覺：從開發者到整個產業的自我感覺良好 | S2E60》，主要探討人們（從個體開發者、企業到整個產業）是否過度高估了 AI 帶來的生產力提升，並指出其背後隱藏的危機。

以下是該影片的**分析重點摘要**：

### 1. 開發者層面的「幻覺」：自體感與實際數據的巨大落差 [[05:39](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=339)]

* **自我感覺良好（達克效應被抹平）：** 研究機構 GitClear 去年的研究指出，AI 容易讓開發者產生過度自信的體感 [[05:47](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=347)]。
* **研究數據：** 針對 16 名長期維護成熟大型專案的專家級開發者進行 246 個任務的實作與螢幕錄影分析 [[06:12](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=372)]。
* **體感：** 開發者在實驗前預期 AI 能提升 **24%** 的速度，事後體感也覺得提升了 **20%** [[07:04](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=424)]。
* **現實：** 實際數據分析後發現，使用 AI 的開發者速度反而**慢了 19%**（一來一回差距高達 40%） [[07:33](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=453)]。


* **拉霸機效應（賭博心理）：** 開發者常覺得「只要再下一個 Prompt（提示詞）就能解決問題」，這種來回拉鋸雖然耗費更多時間，卻因偶爾的成功帶來成就感，讓人沉迷於 AI Agent 工具中 [[10:21](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=621)]。

### 2. 公司層面的「幻覺」：活動量增加不等於生產力 [[11:19](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=679)]

* **成本失控踩煞車：** 許多公司開始意識到 AI 導入的真實成本。例如 Uber 在 4 個月內就燒光了一整年的 AI 額度預算，被迫踩煞車 [[11:37](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=697)]。
* **PR（拉取請求）的虛假繁榮：** 公司常誤以為工程師產出的 PR 數量變多就代表生產力提升，但這往往只是「活動量」變多 [[11:54](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=714)]。
* **DORA 研究指出 AI 的放大效應：** [[12:18](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=738)]
* **強隊越強：** 本身實作與架構能力就很強的團隊，使用 AI 會很順。
* **弱隊變災難：** 缺乏良好設計邊界的團隊，使用 AI 後產出大量程式碼，導致 **Code Review（代碼審查）時間飆升至 3 倍** [[12:48](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=768)]。由於審查不完只能直接通過（Approve），最終導致**線上事故（Incident）變成 2 倍**，反而要花更多時間收拾殘局 [[12:55](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=775)]。



### 3. 整個產業與巨頭的「敘事轉變」 [[13:50](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=830)]

* **巨頭改口：** 包括 OpenAI 的 Sam Altman 和 Google DeepMind 的 Demis Hassabis 等人，過去曾發表「AI 將快速取代白領與入門工作」的末日論，但最近都陸續改口或修飾說法，承認入門工作並未如預期般快速消失 [[14:09](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=849)]。
* **改口背後的兩大原因：** [[15:31](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=931)]
1. **面臨巨大金額的 IPO 壓力：** 在準備大規模上市的階段，散播「AI 導致大規模失業」的末日敘事不利於市場買單 [[15:34](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=934)]。
2. **數據不支持：** 目前整體就業數據上，並未看到產業因 AI 出現極劇烈的大規模失業潮 [[15:56](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=956)]。許多科技公司的裁員雖拿 AI 當藉口，但實際上可能只是為了掩蓋過去幾年過度招聘（Overhire）的營運錯誤 [[16:34](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=994)]。



### 4. 講者認為目前最大的危機：Junior（新人）能力斷層 [[17:13](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1033)]

* **缺乏紮實的訓練與掙扎（Struggle）：** 過去優秀的工程師是一行行程式碼寫出來，並在無數次架構會議、Design Doc Review 以及 Debug 的掙扎過程中，培養出深刻的判斷力 [[17:23](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1043)]。
* **大腦的偷懶與外包：** 現在的新人一入行就依賴 AI 生成非常流暢、看似有理有據的代碼 [[18:29](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1109)]。這導致他們誤以為自己懂了，實際上大腦只是把思考外包，能力並未真正內化 [[19:41](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1181)]。加上業界開放給 Junior 的職缺變少、參與核心架構討論的機會被壓縮，可能導致下一代出現嚴重的技術斷層 [[19:05](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1145)]。

### 5. 對未來的兩種樂觀想像 [[20:32](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1232)]

雖然數據顯示新一代受智慧型手機、平板和 AI 影響，部分能力有下降趨勢 [[21:47](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1307)]，但講者提出兩個可能的樂觀劇本：

1. **世代過渡期：** 這個斷層可能只發生在現在「卡在中間」的這一代。10 年後，當教育體系完善，教導年輕人如何「負責任地使用 AI」，下一代 AI 原生世代（AI Native）或許就能像我們使用 Google 一樣，把思考騰到更高階的地方 [[21:10](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1270)]。
2. **底層技術徹底自動化：** 就像現在很少人會去研究 Compiler（編譯器）的底層組合語言，大家直接寫高階語言一樣 [[22:12](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1332)]。未來 5~10 年如果 AI 發展得足夠穩定、正確率達 100%，寫代碼和處理部署等底層能力可能真的不再重要，人類的思考力將完全轉移到更上游的自然語言與業務邏輯設計上 [[22:29](http://www.youtube.com/watch?v=QCOVz9Al3TE&t=1349)]。

ilovet

使用者

所以我就说 Ai 出来的答案之建议，我们还是要三思。