选项
首页
新闻
研究揭示人工智能生成的代码 几乎正确 所隐藏的生产力成本

研究揭示人工智能生成的代码 几乎正确 所隐藏的生产力成本

2025-11-07
170

研究揭示人工智能生成的代码 "几乎正确 "所隐藏的生产力成本

人工智能产生的技术债务所带来的日益严峻的挑战

全球的开发团队正越来越多地转向人工智能驱动的编码助手,但 Stack Overflow 的 2025 年开发人员调查的新发现却揭示了意想不到的后果。尽管开发人员对这些工具的采用率急剧上升(达到 84%),但他们对这些工具的信任度却急剧下降,因为企业正在努力解决 "几乎正确 "的人工智能解决方案所带来的技术债务积累问题。

生产力悖论

这项针对 177 个国家/地区 49,000 多名开发人员的年度调查揭示了令人担忧的趋势:

  • 2025 年只有 33% 的人相信人工智能的准确性(低于 2024 年的 43)
  • 60% 的支持率与 2023 年的 77% 相比大幅下降
  • 66%的人认为 "几乎正确 "的解决方案是最令人沮丧的问题
  • 45%的人表示人工智能生成的代码需要更长的调试时间

Stack Overflow 的 Erin Yepis 指出:"虽然人工智能承诺提高效率,但开发人员现在花费大量时间来纠正近乎错误的解决方案,而不是创建新代码"。

"几乎正确 "代码的隐性成本

这项调查凸显了一个新出现的危机:

  • 复杂性挑战:只有 29% 的人认为人工智能能有效处理复杂问题
  • 调试负担:许多人认为手动编码比修复人工智能建议更快
  • 工具过载:54%的人每天要同时使用六种以上的开发工具

Stack Overflow 高级工程总监 Ben Matthews 警告说:"由 LLM 驱动的工具往往无法识别自己的错误,从而产生潜在的安全漏洞"。

安全与治理挑战

人工智能的快速应用造成了治理漏洞:

  • 77% 的人拒绝在专业项目中使用 "振动编码
  • 61.7% 的人仍在为安全敏感代码咨询人类意见
  • 对人工智能生成的代码质量仍存在重大担忧

人类专业知识的持久价值

尽管人工智能的应用呈上升趋势

  • Stack Overflow 仍是主要的开发人员资源(84% 的使用率)
  • 89% 的人每月访问一次,其中 35% 专门寻求人工智能修正帮助
  • 69% 的人积极学习新技能,越来越多地使用人工智能辅助培训

CPTO Jody Bailey 指出:"尽管人工智能在不断进步,但高质量的数据和专家社区仍然不可替代。"

战略建议

对于在这一格局中航行的组织而言:

  1. 加强审查流程:为人工智能生成的代码实施专门的调试工具
  2. 保持专业技能开发:继续投资于人类开发人员的技能
  3. 逐步采用:在现有工作流程的基础上,深思熟虑地逐步集成人工智能
  4. 优先培训:每日人工智能用户的满意度比每周用户高 24

这些数据表明,未来的竞争优势并非来自于人工智能的采用速度,而是来自于有效管理人类与人工智能的开发合作关系,以及应对新出现的质量挑战。

相关文章
如何在2026年利用GitHub Copilot处理开发积压任务? 如何在2026年利用GitHub Copilot处理开发积压任务? GitHub Copilot 编程助手即将彻底改变开发者处理项目积压任务的方式。这款人工智能驱动的工具可自动化重复性任务,让开发者专注于复杂创新工作。通过无缝集成现有工作流程,它能提升生产力、减少技术债务并简化开发生命周期。本文将深入探讨这项突破性技术的特性、优势及实际应用场景,展现其为各类规模开发团队创造价值的潜力。核心要点GitHub Copilot 编码助手自动处理待办事项管理。通过接管常规
GitHub Copilot通过图像转代码功能将设计稿转化为代码 GitHub Copilot通过图像转代码功能将设计稿转化为代码 GitHub近日为其AI编程助手Copilot推出了一系列更新,预示着该工具将迈向更自主的未来。核心新功能Copilot Vision允许用户直接在聊天界面上传截图、照片或图表。Copilot将通过视觉输入生成对应的界面元素、代码或描述性替代文本。例如,市场团队成员可截取网页截图并标注修改需求。无需文字描述,只需上传标注图像并指示 Copilot 执行所示修改即可。需特别说明的是,该功能去年十月曾
如何在 2025 年通过 GitHub 上的顶级人工智能项目提升自己的职业生涯?完整指南 如何在 2025 年通过 GitHub 上的顶级人工智能项目提升自己的职业生涯?完整指南 人工智能领域正在以惊人的速度发展,要保持竞争优势,就需要不断学习和实践。GitHub 提供了大量的人工智能项目,为合适的项目做出贡献可以大大提升您的专业知识和职业形象。本指南探讨了 GitHub 上当前流行的人工智能项目,不仅揭示了您可以创建哪些项目,还解释了为什么这些工作对职业发展至关重要。要点揭示目前 GitHub 上流行的领先人工智能项目。掌握推动这些资源库流行的根本因素。了解为什么构建缩减
相关专题推荐
设计与艺术 顶级AI插画工具:更快地创作编辑类场景和封面插图
顶级AI插画工具:更快地创作编辑类场景和封面插图

2026年最新高评分AI插画工具:我们精心挑选的这份清单汇集了功能强大的顶级工具,助您快速创作令人惊艳的编辑场景和引人注目的封面艺术。每款工具都经过了严格的实际测试,并提供了免费版与付费版的对比,帮助您找到最适合您工作流程的工具。 立即尝试这些必试解决方案,释放您的AI优势,提升创作效率。立即访问 XIX.AI 探索更多。

10 个工具
xix.ai
教育与学习 备考首选的顶尖AI辅导老师:练习数学、科学和英语
备考首选的顶尖AI辅导老师:练习数学、科学和英语

2026年最新、评分最高的考试备考AI辅导工具现已登陆XIX.AI!我们精心筛选的这份清单汇集了多款功能强大、颠覆传统的工具,提供免费与付费版本的对比、实际测试以及每周更新的排行榜。它们能帮助你提升写作效率、简化复杂主题的学习,并释放你的学术潜能。 立即探索,发现最适合您的备考工具,今天就开始创作,释放您的AI优势!

10 个工具
xix.ai
金融 用于个人财务管理的 AI 预算规划工具
用于个人财务管理的 AI 预算规划工具

2026 年最新最佳顶级评分 AI 预算规划工具,专为个人财务管理打造,现已登陆 XIX.AI!本精选合集收录了强大且具颠覆性的解决方案,助您开展实际测试、理解消费习惯,并制定个性化计划以提升生产力。享受免费与付费版的对比及详细排名。这些必试工具旨在简化财务管理,助您释放 AI 优势。立即探索!

11 个工具
xix.ai
健康养生 AI睡眠追踪助手:通过养成更好的睡前习惯来促进身体恢复
AI睡眠追踪助手:通过养成更好的睡前习惯来促进身体恢复

2026年最新精选高评分AI睡眠追踪助手,助您实现最佳恢复效果。这份全面更新的每周指南汇集了强大的工具,提供实际测试结果、免费与付费版本对比以及详细排名,助您找到必试的解决方案,从而提升睡眠质量并养成更好的就寝习惯。 立即访问 XIX.AI,解锁您的AI优势。

10 个工具
xix.ai
数据分析 用于产品和收入分析的 AI SQL 辅助工具
用于产品和收入分析的 AI SQL 辅助工具

2026年最新、最受欢迎、评分最高的AI SQL辅助工具,助力产品与营收分析! XIX.AI 精心遴选了一系列功能强大、颠覆性的必试工具,这些工具均经过每周更新的排名体系进行实战测试。它们能通过加速数据分析、简化复杂查询并生成精准洞察,帮助用户显著提升工作效率,从而推动更明智的商业决策。立即探索,发现最适合您的工具,释放您的AI优势!

14 个工具
xix.ai
教育与学习 最佳的、兼具教学功能的AI作业助手:学习概念,而不仅仅是答案
最佳的、兼具教学功能的AI作业助手:学习概念,而不仅仅是答案

2026年最新最佳高评分AI作业助手:不仅提供答案,更传授核心概念。专为学生打造的强大工具,精选必试清单,每周更新,免费与付费版本对比,真实使用测试,精准排名,助您充分释放学习潜能。立即探索,发现最适合您的工具,让学习更高效。

10 个工具
xix.ai
评论 (3)
0/500
BillyThomas
BillyThomas 2026-02-08 16:00:42

Yo también he notado que el código generado por IA suele parecer bien a primera vista, pero luego hay detalles sutiles que lo hacen menos eficiente o mantenible a largo plazo 😅 Es como si el asistente fuera un aprendiz demasiado entusiasta: hace el trabajo rápido, pero no del todo pulido. ¿Creen que esto empeorará la deuda técnica en proyectos grandes?

BruceHernández
BruceHernández 2025-12-19 12:30:37

這標題太真實了吧!用過幾次AI助手生成代碼,雖然能快速拼湊出功能,但debug花的時間搞不好比手寫還久。尤其團隊協作時,同事看到那些‘勉強能用’但邏輯詭異的段落,臉都綠了😅 技術債果然是開發者永遠的痛⋯

BruceClark
BruceClark 2025-11-21 08:30:37

AIが生成したコードが「ほぼ正しい」状態って、むしろ修正工数が増えるんだ…これが技術的負債の新形態か。人間の方がバグを見つけるのに時間かかりそうで逆に生産性落ちるかも?🤔

OR