[AI 衝擊] 程式碼越寫越快，專案卻越做不完

[AI 衝擊] 程式碼越寫越快，專案卻越做不完

摘要 : AI加速寫程式，卻將瓶頸推向審查、整合與交付，恐造成大量半成品。

內容:

AI 公司正面臨一個尷尬的問題：程式碼寫得越來越快，專案卻不一定能更快完成。

Claude 背後的 Anthropic 執行長 Dario Amodei 引用了一條源自 1967 年的公式，並警告未來 18 個月，許多 AI 公司可能不是輸在模型不夠強，而是被整體效率拖垮。

Anthropic 已大規模使用 AI 協助程式設計，其程式碼庫中超過 80% 的程式碼由 AI 撰寫。有員工甚至連續五個月沒有親手寫過一行程式碼，兩年內人均產出更提升了八倍。看似效率驚人，但 AI 最擅長加速的部分，未必是公司真正的瓶頸。

這個現象可以用「阿姆達爾定律」解釋：只要一項工作中仍有很大部分必須由人緩慢處理，即使其中一小部分加速百倍，整體效率也不會等比例提升。

例如，交付一套軟體原本需要 100 個單位的時間，其中寫程式碼占 30%。即使 AI 將寫程式碼的時間從 30 縮短至 3，整個專案仍需要 73 個單位的時間。程式設計速度提高十倍，整體效率卻只提升約 27%。

過去，程式設計師擔心程式碼寫不完；現在，反而可能害怕 AI 一個晚上就產出數千行程式碼。這些程式碼仍需要人工檢查，不看完不敢上線，但全部審查完畢，專案可能早已延期。若系統出現問題，最終需要簽字與負責的仍是人類。

更棘手的是，AI 產生的程式碼未必有顯而易見的錯誤。每一段單獨檢視時可能都很合理，但整合進既有系統後，卻可能造成整體故障。

開發者將這類問題稱為「認知債務」。例如，原本只要求 AI 修改一個函式，它卻順手最佳化附近的三個模組。每項修改看似正確，合在一起卻可能悄悄改變原有邏輯。最後，程式碼由 AI 產生，理解、審查與承擔責任的工作仍留給人類。

AI 也容易讓人產生可以同時處理多項工作的錯覺。一個專案卡住後，團隊可能再啟動五個專案，最後桌面上堆滿完成度約 70% 的成果。每個都能展示、看似即將完成，卻沒有一個能安全上線。

因此，AI 並未真正消除瓶頸，而是將瓶頸從「寫不出來」推向後續的審查、整合、測試與交付。未來真正拖垮 AI 公司的，可能不是模型能力不足，而是 AI 不斷製造半成品，人類卻來不及收尾。

AI 負責快速向前衝，人類則負責審核與踩剎車。誰能率先解決後端流程的瓶頸，誰才算真正掌握了 AI 帶來的生產力。