DX（Developer Experience）平台发布 AI 影响纵向研究初步数据，这是目前少数基于真实企业环境的长期追踪研究之一。
核心数据
- 使用 AI 编码工具（Copilot/Cursor 等）的开发者，实际任务完成速度提升约 10-20%
- 与实验室环境下”2-4 倍提效”的宣传数据差距显著
- 代码质量指标无显著变化（bug 率、review 评论数量相近）
为什么差距这么大？
- 选择性偏误：实验室测试的是”干净的独立任务”，现实工作充满上下文切换、会议、模糊需求
- 学习曲线：有效使用 AI 工具本身需要时间积累
- 任务性质：AI 擅长的任务（样板代码）在总工作量中占比有限
- 认知负荷转移：审查 AI 生成代码的成本被低估
研究局限
数据来自参与研究的企业（存在自选偏差），且尚属初步阶段，最终结论需要更多数据。
但这个研究方向极其重要——在 AI 工具泡沫中，我们急需真实的生产力数据。