美國微軟的研究人員發表了一篇論文，探討公司內數萬名軟體工程師使用命令列 AI 程式設計工具的情形，以及對生產力的影響。研究對象為 Anthropic 的「Claude Code」和 GitHub 的「Copilot CLI」，調查期間約 4 個月，從 2026 年 1 月 5 日至 4 月 29 日。研究指出，導入工具的第一週就開始使用的工程師，合併的拉取請求（PR）數平均比未使用者多 24％。
只提供工具不會讓它普及 第一步從「隔壁座位」開始
不少經營者或經理人可能會想像，只要公司備妥 AI 工具供全體員工使用，大家隔天就會開始採用。然而，這項調查顯示，決定人們是否率先嘗試的，與其說是功能說明或公告，不如說是職場中的人際關係。
如果日常會互相分享程式碼的同事或直屬主管正在使用，本人開始使用的機率也會提高。具體數字如下：若與自己有同一位上上級主管的同事中，超過四分之一在最近兩週曾使用工具，試用的勝算最高會增加 216％。直屬主管正在使用時，試用勝算增加 82％；平時會互相進行程式碼審查的對象中，超過四分之一正在使用時，則增加 54％。
勝算增加不等於「機率增加」
這裡需要留意「勝算」一詞。勝算是以某件事「發生的可能性」和「不發生的可能性」相比，來表示它發生的機會。聽到增加 216％，可能會讓人以為使用者增加到三倍多，但這不代表使用者占比本身增加了 216％。原本使用率偏低時，差距看起來容易被放大，實際使用者增加的幅度會小於這個數字。
儘管如此，主管或同事的行動會推人一把，這個趨勢相當明確。人們開始使用新工具，與其說是看了說明書，不如說是抱著「那個人都在用了」的想法。個人認為，這不只是開發現場的情況，許多職場應該也會有共鳴。主管率先嘗試，並在程式碼審查時示範如何使用。這種不起眼的做法，或許比培訓資料更有效。
能否持續使用，取決於日常工作的流程
試用之後是否繼續使用，是另一回事。調查發現，持續使用與使用者平時的程式設計工作量有關。日常撰寫大量程式碼、經常提交拉取請求的忙碌工程師，更容易感受到 AI 帶來的好處，也更傾向於持續使用工具。
拉取請求（PR）是請求將修改後的程式碼合併到主程式碼庫的機制。經常提交 PR 的人，也可以說有更多工作能交給 AI 處理。動手工作的量越大，就越容易親身感受到工具的效果。
習慣的工作環境，可能成為新工具的門檻
另一方面，研究也發現，過去已在其他開發介面使用既有 AI 工具的人，雖然會試用新工具，卻不容易持續使用。這可能是因為不少人覺得熟悉的環境用起來更順手。
這就像更換智慧型手機。即使新手機功能更好，只要原本的應用程式排列和操作習慣已經根深蒂固，人們就會想換回舊手機。導入新 AI 工具時，除了效能，似乎也得考慮如何融入使用者已經建立的工作流程。
PR 數增加 24％，該如何解讀
研究以合併的拉取請求數衡量生產力，也就是已完成的工作量。導入工具的第一週就開始使用的工程師，平均比未使用者多提交 24％ 的 PR。研究報告指出，這項效果並非導入後一時興起所造成，而是在為期 4 個月的調查期間內維持穩定。
不過，這裡所說的生產力，終究只以 PR 數量這一項指標衡量。這並不代表程式碼品質、每件工作的耗時或團隊負擔也以相同比例改善。PR 數增加是事實，但整體工作是否變得更輕鬆，仍應分開看待。
Claude Code 增加 11.4％，Copilot CLI 增加 24.9％
按工具來看，與未使用工具的週次相比，Claude Code 使用者的 PR 數增加 11.4％，Copilot CLI 使用者則增加 24.9％。兩者相差約一倍，但直接將這些數字解讀為工具優劣，還言之過早。Copilot CLI 是由微軟旗下 GitHub 提供的工具，兩者在公司內的使用方式和使用者族群未必相同。
即便如此，針對數萬名開發者的大規模實際開發現場，連續4個月追蹤工具普及情形與成效的研究仍不多。在AI程式開發的討論往往聚焦於「哪個模型比較聰明」之際，這項研究呈現了導入現場的實況：是誰開始使用，又是誰持續使用。如今，能否妥善規劃工具在職場中的普及方式，或許已和工具選擇本身同樣左右成果。
コメント