# 你感觉更快了，其实你更慢了

一项严谨的研究让有经验的开发者用 AI 工具做真实任务。他们预计会快 24%，实际却慢了 19%——而且事后他们仍然相信 AI 帮自己提了速。与此同时，团队多提交了 98% 的合并请求，但评审时间暴涨 91%，全公司的交付却纹丝不动。AI 提效的故事有个漏洞，问题不在于 AI 没用，而在于我们加速了那个从来就不是瓶颈的环节，又把「快的感觉」错当成了真正的快。

- **Author:** Fedor Chishchin
- **Published:** 2026-06-08
- **Tags:** methodology, careers
- **Source:** https://fedorthinks.com/zh/blog/you-feel-faster-youre-slower

---

有一个结果，应该让每个 AI 编程的爱好者停下来想一想。在一项严谨的研究里，
有经验的开发者用自己的真实项目任务做实验，分别在有 AI 和没有 AI 的情况下工作。
他们预测 AI 会让自己快大约 24%。可测出来的结果是：
[他们用 AI 反而慢了 19%](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) ——
而且即便亲身经历了这场变慢，他们仍然相信 AI 把自己提速了 20%。

好好品一下这个落差。这不是「AI 没有想象中那么有用」。AI 让他们 _更慢了_，
而他们自己感觉不到。在做真实工作的有经验的人身上，感知和现实之间裂开了
大约 40 个百分点的鸿沟。而这和企业在规模化层面看到的现象正好对得上：
个人活动量爆炸，结果却原地踏步。值得琢磨的问题不是「AI 是不是假的」——
它显然不假。而是 _为什么感觉和结果指向相反的方向_ ——因为答案会改变你该怎么用它。

## AI 拿掉的是你感觉得到的摩擦，不是真正难的活

这是解释的前半部分。AI 极其擅长编程里那些 _感觉_ 像在干活、但难点根本不在那儿的部分——
样板代码、语法、繁琐的打字。当这些摩擦消失时，你感觉很快，因为讨厌的那部分变轻松了。

但样板代码从来就不是难的部分。难的部分是理解问题、把整个系统装在脑子里、
判断某个改动到底对不对。AI 并不会拿掉这些——它往往还会 _增加_ 这些，
因为现在你还得去读、去查、去修一段不是你写的代码。按照这项研究的解读，
开发者最后[把大量时间花在收拾 AI 的产出上，而不是在交付](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/)。
工作从「写」变成了「审」，而审阅别人那段看着挺像样的代码，
比人们预想的更慢、也更不爽。你感觉快，是因为看得见的摩擦没了。
你其实慢，是因为看不见的工作变多了。

## 光靠合并代码堆不出价值

后半部分出现在团队层面，而且更重要。Faros AI 测量了那些大量采用 AI 的团队，
发现了一个很扎眼的形态：
[合并请求多了 98%，但 PR 评审时间涨了 91%，PR 体积涨了 154%，缺陷涨了 9%——而 DORA 交付指标却纹丝不动](https://www.faros.ai/blog/ai-software-engineering)。
更多代码、更多 PR、更多活动量。实际交付却一样。

这其实就是换了身新衣服的瓶颈问题。如果你加速了流水线的某一个环节——代码生成——
却没有加速它后面的环节——人工评审——你不会得到更高的吞吐量。
你只会在那个慢环节前堆起更大的一堆。AI 让写代码变便宜了，
这意味着现在有多得多的代码要评审，评审的还是同样数量的人，
而这些人现在成了瓶颈。AI 创造的价值在评审队列里被吸收掉，从未抵达业务。
这就是为什么 89% 的高管说 AI 让工作变快了，可只有
[6% 能指出全组织层面的真实回报](https://www.faros.ai/blog/ai-software-engineering)。
人人都更忙了。没有任何东西交付得更快。

## 这应该改变你的工作方式

错误不在于用 AI，而在于优化错了环节、衡量错了东西。由此能推出几条修正：

- **衡量结果，而不是产出。** 合并的 PR 数、写的行数、「我感觉更快了」——
  这些现在都是虚荣指标，容易灌水，又和交付脱节。那件事到底有没有送到用户手里、
  有没有真的好用？这才是唯一活下来的数字。
- **把评审当成它已经变成的那个瓶颈来对待。** 如果 AI 让代码翻了三倍，
  那么决定这堆代码有没有变成价值的，是你的评审和测试能力。
  把力气投在那里——更小的 PR、更好的评测、自动化检查——而不是再去生成更多。
- **不要相信「快」的感觉。** 这项研究最吓人的发现是，聪明人感知不到自己变慢了。
  默认你「这更快」的直觉是不可靠的，拿真实的东西去校验它。
- **在 AI 真正能赢的地方用它。** 同一批研究显示，AI 对新手做简单、不熟悉的任务
  收益巨大，对老手处理他们早就熟悉的复杂代码则接近零甚至是负的。
  把它瞄准前一种情况，对后一种情况保持怀疑。

## 一句话总结

一旦看清楚，AI 的生产力悖论就不再是悖论。AI 加速了生成——那个感觉像在干活的部分——
却没碰那些真正慢的部分：理解、评审、判断。于是个人感受到一阵速度的快感，
真正的瓶颈却在悄悄恶化，而无论多少 PR 飞过，公司的数字都不动。

这和[演示从来不是难的部分](/blog/the-demo-was-never-the-hard-part)
其实是同一个教训的不同角度：生成变便宜了，判断没有。
如果你想让 AI 真的让你更快——而不只是感觉更快——就把它瞄准那些真正繁琐的活，
然后把省下的时间花在它做不了的部分：判断产出的东西到底好不好。
速度的感觉现在是免费的。真正的速度仍然得在那个慢环节挣来，而那个环节，就是你。