AI 工具在程式開發上，為何可能拖慢資深開發者 19% 的效率？

AI工具拖慢資深開發者效率的原因分析

OpenAI 創始成員安德烈 · 卡帕斯 (Andrej Karpathy) 發明「Vibe Coding」一詞，曾將 AI 輔助 Coding 推向神壇。但他打造開源專案「nanochat」時，發現 AI 反而「幫倒忙」。METR 智庫的試驗也顯示，資深開發者使用 AI 工具後，完成時間反而增加 19%。

AI 在複雜專案中的局限性

「nanochat」專案包含約 8,000 行程式碼，複雜度高，卡帕斯最終放棄 AI，選擇親手完成。原因在於，AI 工具擅長生成單獨的程式碼片段，卻缺乏對大型、複雜系統的全局理解。面對要求精確的場景，「感覺」(Vibe) 反而成為不可靠的變數。因此，對於關鍵任務，人類工程師對系統的全局掌控與親手建構的精確性，仍不可取代。

AI 導入可能打斷資深開發者的心流

美國智庫 METR 的試驗表明，開發者預期 AI 工具能減少 24% 的完成時間，但實際卻增加了 19%。這是因為開發者將大量時間耗費在引導 AI (Prompting)、等待回應，以及修復 AI 在複雜程式碼庫中產生的錯誤上。對於熟悉複雜系統的資深人才，強行導入新工具，可能不僅無法提速，反而會打斷他們原本高效的心流 (flow) 狀態。

隱形成本與潛在風險

Fastly 的一項調查指出，高達 95% 的開發者需要花費額外時間來修復 AI 生成的程式碼；有些人甚至表示，修復的時間比省下的還多。許多企業在評估 AI 工具的成本時，只看到了軟體訂閱費，卻忽略了冰山下的巨大支出。此外，當人們選擇順應「感覺」(Vibe) Coding，而非深刻理解 AI 撰寫程式碼的背後邏輯時，留下的將是難以維護的技術債，甚至潛藏著安全漏洞。