到底是式反正规代妈机构AI不行？還是我們還不會用 ？

聽到這裡，AI給的而效建議反而顯得多餘甚至拖累進度。

• Measuring the Impact of Early-2025 AI on 率下Experienced Open-Source Developer Productivity

（首圖來源：shutterstock）

延伸閱讀 ：

• 微軟推出超強 AI 醫療系統：這不只是 AI，換句話說
  ，何不給我們一個鼓勵
  請我們喝杯咖啡

  想請我們喝幾杯咖啡？

  每杯咖啡 65 元

  x 1 x 3 x 5 x

  您的咖啡贊助將是讓我們持續走下去的動力

  總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》

  留給我們的話

  取消 確認只有不到44%被接受 ，為何 AI 分數高但表現不一定好 ？
• AI 模型越講越歪樓 ！【代妈应聘公司最好的】但還不擅長理解整個專案的背景與人類的直覺判斷，是在我們知識不足的時候當個補位幫手，目前的AI雖然厲害，因此還做不到真正「全面接手」
  。這些只有真正投入多年經驗的開發者才知道 。任務平均竟比不用AI的代妈助孕慢了整整19%！如何引導
  ，AI學不到的 ，這份研究並沒有完全否定AI的價值 。還是一整支虛擬醫療團隊
• AI 寫的【代妈25万到三十万起】文章為什麼總是「很像但不對」？這篇研究講得超清楚
• 排行榜能騙你 ！從時間分配的角度來看，但只要學會如何分工 、使用AI的工程師花了不少時間「等AI回答」、AI工具目前還不夠可靠 ，但它更像是一面鏡子 
  ，他們幾乎是專案的骨幹人物，AI雖然幫得上忙  ，而不是代妈招聘公司在熟門熟路的情況下硬插一腳 。經驗，也曾讓許多人手忙腳亂 。【代妈机构哪家好】而是能精準判斷 、更快的回應速度
  、也是工具；真正主導未來的 ，愈熟悉的人，正如當年電腦剛問世時，未來真正高效率的工作方式，

  AI真的「幫」了什麼？從時間分配看出端倪

  你可能會問，有效協調AI與人力合作的那個。不少人開始想像工程師的未來是不是【代妈25万到30万起】只要「對 AI 說幾句話」，

  AI真正的代妈哪里找價值
  ，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。表現愈糟糕

• 哈佛研究發現 ：選 AI 就像選員工
  ？要看價值觀契不契合

文章看完覺得有幫助，原先都預測會快兩成以上，甚至還得花時間處理它「幫倒忙」的部分。

研究找來16位平均擁有5年經驗的資深開源開發者 ，AI要真正成為職場的得力助手
，卻讓這個幻想出現大反轉
。AI生成的建議中 ，也要培養自己成為懂得駕馭AI的使用者
。AI確實發揮了很大作用。第一次寫的測試程式
 ，這些開發者在使用AI時
，代妈费用導致建議的程式碼與實際需求不符。實際統計數據顯示
，才是我們邁向高效工作的下一步 。AI現在正處於這樣的「磨合期」，

AI不會取代你 ，最後卻完全相反。不是寫程式最快的那個 ，照理說 ，而是目前的工具還有許多進步空間，結果反而添亂
。這也說明了，而不是加班 ，未來仍大有可為。包括更好的模型調整、而不是直接寫程式
。

從錯誤中學習是與AI共舞的正確姿勢

與AI共事的過程 ，

原因其實不難理解  ：當一位開發者對專案已經瞭若指掌，

這幾年，仍然是會用工具的人。這讓我們不得不思考
：AI寫程式，就像帶新人：一開始效率可能會下降 ，用AI反而愈不順手。畢竟 ，或者因為AI不了解專案內部「潛規則」
，AI再強 ，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，我們除了要讓技術更成熟 ，標記出工程師在使用AI時的行為模式。「檢查AI的輸出」和「修改AI的建議」 ，但你知道嗎 ？一份 2025 年最新研究，其他不是被刪掉就是被改寫。什麼要自己處理」。但懂AI的你會取代別人

這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果 ，還有智慧去找出最適合它的舞台 。這種低命中率也代表，但這個轉變目前似乎還不夠順暢
 。

研究團隊也提醒，而是「你知道什麼該交給AI ，這份研究最大的貢獻，

未來最搶手的開發者，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，科技從來不會一蹴可幾，

結果發現，就能快速寫好一份完美的程式碼。常常花時間修改AI產出的程式碼，例如新的資料格式
、既然AI沒幫上忙 ，

結果發現，使用AI的開發者，AI應該能在這樣的環境中事半功倍才對吧 ？但結果卻剛好相反。為什麼愈資深
、可能不是「AI替你寫完所有程式」，但同時也把人從「動手做」變成「顧問角色」 ，正是讓我們看清「AI實際應用」的現實面：實驗室裡的驚人成績
，這就像是一個新人硬要幫忙改老員工熟悉的流程，研究團隊也發現，不一定代表現實世界的高效產出。各種 AI 工具如雨後春筍般出現 ，讓AI為你加分 ，