这篇讲一件别扭的事:AI 确实帮你干了活,你却比去年更晚下班。写给被要求"用起来"的人,和要判断"到底有没有用"的人。七分钟。
11 月 12 日晚上八点多,我从客户那边出来,研发群里还有人挂着。
不是等需求。是等一个合并请求被人看。
提交的人下午三点就写完了,自己跑过一遍,说没问题。评审的两个人,一个在跟客户对需求,一个在改另一个模块的老 bug。那个请求在队列里躺了五个小时。
他跟我说:以前写完还得自己顺一遍,现在十分钟就出来了,剩下的时间全在等别人看。
这句话把整件事说清楚了。AI 把"写"变便宜了,把"看"变贵了。省下来的时间没有消失,它挪到了下一个环节,变成了别人的工作量。
Atlassian 的《2026 年开发者体验现状报告》,样本是 1155 名开发者、405 名工程负责人。它是自报体验数据,不是系统遥测,这点后面还要说。
先看两个数字。开发者的 AI 使用率已经到 95%。这个不奇怪,账号是公司买的,周报要填。
但"每周靠 AI 省下 10 小时以上"的人,一年里从 68% 掉到 26%。用得更多,省得更少。
同一份报告还有一组对照,值得一起看。87% 的开发者说 AI 帮自己更快交付,80% 说没加班也干了更多活。可只有 28% 说,跟用 AI 之前比,工作里的摩擦明显少了。一半人(50%)说摩擦差不多。
局部变快,整体没变顺。两句话可以同时为真,因为它们是同一件事的两面。
报告里三组数据指向同一个去处。
49% 的开发者每周花 4 小时以上管理 AI 工具。管什么?切模型、调提示词、清理上下文、重连插件、给同事解释为什么昨天能用今天不能用。
65% 说,自己要花时间纠正没能理解原始意图的 AI 产出。29% 直接把"审查 AI 生成的代码"列为工作摩擦的来源。
工程负责人那边更高:管理工具有 57%,纠正产出有 72%。本该盯着交付进度的那层人,被 AI 的产出盯住了。
Atlassian 负责 AI 与团队协作的 CTO 有句话说得直接:瓶颈已经转移到管理 AI 的工作上。注意"转移"这个词。不是消失,是换了地方坐。

数据:Atlassian《2026 年开发者体验现状报告》,1560 人自报。图由拜腾科技绘制。
今年 6 月我们做一个供应链的中台项目,12 个人的组,前端两个人开始用 AI 生成页面。数字很好看。
一个人以前一天写两百行,现在一天能交八百行。问题是评审的人没变,还是那两个。第三周开始,合并请求的排队时间从 1 天涨到 3 天。第四周,前端开始有人在群里喊"我这个等两天了"。
交付没有提前。收益全卡在了下一个环节的吞吐量上。
这笔账我们后来算过两次,一次给客户,一次给自己。
同期评审多出 2 个人月,按成都中级开发的全成本 2.2 万一人月算,4.4 万。
工具占三成,审查占七成。
所以听到"我们上了 AI,研发成本降了",我一般会问一句:降的是工资,还是把成本挪到了某几个人的日程上。挪过去的那部分,账上通常看不见,因为它没进预算,只进了加班。

橙色两段是 AI 直接作用的地方,也是唯一变快的地方。图由拜腾科技绘制。
报告里这组数字,我建议直接转给你们管考核的人。
60% 的开发者说,所在组织把 AI 使用情况当成生产力指标。41% 说,自己有时会因为觉得组织期待,而过度使用 AI。只有 42% 的工程负责人认为,手上的指标能区分"实际收益"和"活动量"。
一位做企业级 Agent 的工程师给这种现象起了个名字,叫表演式吞吐量。产出被算成业绩,清理产出的活落到别人的日程上。
这个规律不新鲜。当年统计代码行数,就得到过又长又碎的代码。区别在于 AI 让造数据变便宜了:一次对话、一次生成,都能计入"使用"。
3 月起,Manus 取消编程笔试,改成 4 小时的 AI 协作实操,产品和设计可以直接提代码。招人的标准一改,人的干法就跟着改。考核看什么,人就优化什么,这条比任何培训都管用。
同一份报告里有一张障碍榜,过去三年几乎没动过。
查找信息 51%,排第一。会议 50%。上下文切换 45%。技术债 44%。
编码从来没进这张榜。
所以 AI 在编码这一段提的速,很难如实体现在交付周期上。它加速的那一段,本来就不是堵点。延期真正的原因通常是另一套:需求口头改了三次没落进文档;接口等对方排期;测试环境和生产环境不一致;验收标准到上线前一周才定。
这些环节,AI 一个都碰不到。它只会让中间环节更快地产生更多需要对齐的东西。原来一周攒一次争议,现在一天攒三次。
不用买新工具,也不用换模型。
一、给审查记工时。谁看 AI 的产出,这活算不算工时。不算,就等于让审查的人拿自己的时间补贴项目。这一条不改,后面两条都推不动。
二、把"使用率"从周报里删掉,换一个数。我们用的是返工率:AI 产出合并后一个月内被改回去的比例。超过 10% 就要停下来看是需求没讲清,还是模型选错了。
三、给排队设一条线。合并请求等待超过 2 天,说明瓶颈已经从"写"挪到了"看",这时候再加 AI 工具没有意义,该加的是评审的人或者拆小提交。
这三个数都不难拿。返工率从 git 记录里能算,等待时长从合并请求系统里能看。真正难的是第一条,因为它要动工时表。

三层各归各的人管:采集归后端 TL,等待时长归项目经理,返工率归技术负责人。图由拜腾科技绘制。
也有反过来的情况。如果你的延期原因写下来全是"等"和"改"——等接口、等排期、等验收标准,需求还在会上改——那先别做提效的度量。做了也是白做,因为你量的那一段不堵。
先把一件事定下来:谁有权对一个需求说"就这样,不改了"。这一条定不了,AI 越多,返工越多,人也越累。
报告里还有一组数能说明这件事有多普遍。认为自己所在组织的领导层没充分理解一线挑战的开发者,2024 年 44%,2025 年 63%,2026 年 66%。这不是"老板不懂技术",是 AI 这件事在组织里没有落到具体的人头上:工具买了,账号开了,然后就没有然后了。
做得好的那 17%,差距不在买哪个模型。他们有明确的 AI 战略并且正在实施,这群人里 41% 说摩擦明显减少;在认为组织战略不一致的那群人里,这个比例是 22%。差了近一倍。
这个月可以做一件很小的事:把"AI 使用率"从周报里拿掉,换成"AI 产出一个月内的返工率"。数字降不下来,用多少 AI 都没意义;降下来了,你不用再向任何人解释 AI 有没有用。
AI 没有让你更快交付。它让你更快写完。中间那段没人管的时间,才是你真正的交付周期。
如果你正在评估怎么把 AI 接进现有系统,可以带上你的场景来找我们。免费出一份方案,包含流程图、架构图和报价明细,看得懂再谈钱。
电话 15730313844(同微信),官网 www.byten.com.cn。成都本地可上门,外地远程。
本文来自拜腾科技交付组,写的是我们自己做过的项目。
公司要求统计 AI 使用率,怎么统计才有意义?
别统计调用次数。统计三样:AI 产出合并后一个月内的返工率、合并请求的平均等待时长、每个需求上线前的变更次数。前两个能从 git 和合并系统里直接取,第三个要项目经理记。取数成本加起来一天以内。
团队用了 AI 反而更累,问题一般出在哪?
多数出在审查环节没人管。产量上去了,评审的人没变,队列就堵了。成都这边我们接的项目里,这类情况占一半以上。改法不是买更好的模型,是把审查工时明算进去,再把提交拆小。
想让 AI 真正缩短交付周期,第一步做什么?
先看你的延期原因写在哪个环节。如果是"等接口、等排期、等验收标准",先把需求变更和验收标准定死,再谈提效。如果是编码产能不够,那 AI 加评审扩容一起做。单做 AI,通常只把队列从写代码那边挪到评审这边。周期 4 到 8 周能看到数,前提是有历史提交记录可算。



