美国微软的研究人员等发表了一篇论文，调查公司内部数万名软件工程师使用命令行AI编程工具的情况及其对生产力的影响。研究对象是Anthropic的“Claude Code”和GitHub的“Copilot CLI”，调查时间为2026年1月5日至4月29日，约4个月。研究称，在引入后的第一周使用工具的工程师，与未使用者相比，合并的拉取请求（PR）数量平均增加了24%。
光分发工具还不够，第一步从“隔壁工位”开始
公司只要为全体员工配备AI工具，大家第二天就会开始使用。想必不少企业经营者和管理者会设想这样的场景。然而，这项调查显示，决定人们是否最先尝试使用工具的，与其说是功能介绍或通知，不如说是职场中的人际关系。
如果日常会互相展示代码的同事或直属上司在使用，本人开始使用的可能性也会提高。具体数据如下：与本人有相同上上级的同事中，最近两周使用过工具的人超过四分之一时，尝试使用的胜算最高提高了216%；直属上司使用时，胜算提高了82%；平时会互相进行代码审查的对象中，使用者超过四分之一时，胜算提高了54%。
胜算上升和“概率上升”不是一回事
这里需要注意“胜算”这个词。胜算是指某件事发生的可能性与其不发生的可能性之比。听到胜算提高216%，可能会觉得使用者增加到了原来的3倍多，但这并不意味着使用者所占比例本身增加了216%。在原本使用率较低的阶段，差距容易显得很大，实际使用者的增幅会小于这个数字。
尽管如此，上司和同事的行动会起到推动作用，这一趋势很明确。人们开始使用新工具，与其说是因为读了说明书，不如说是因为“那个人在用”。我个人觉得，这种情况不只出现在开发现场，在很多职场中都不难见到。上司率先尝试，并在评审时展示用法。这样看似不起眼的做法，或许比培训资料更有效。
能否持续使用，取决于日常工作流程
尝试使用的人之后是否会继续使用，是另一回事。调查发现，持续使用与本人平时的编码活动量有关。据称，日常编写大量代码、频繁提交拉取请求的繁忙工程师，更容易感受到AI带来的好处，也更倾向于让工具融入日常工作。
拉取请求是指请求将改写后的代码合并到主代码库中的申请。频繁提交拉取请求的人，也可以说有更多工作能够交给AI处理。动手做的工作越多，就越容易切身体会到工具的效果。
习惯的工作环境，可能成为使用新工具的门槛
另一方面，调查还发现，此前就在其他开发界面使用既有AI工具的人，虽然会尝试新工具，却不容易持续使用。这可能是因为很多人更喜欢自己已经习惯的工作环境。
这有点像更换智能手机。即使新手机功能更好，如果应用的布局和操作习惯已经深入人心，人们还是会想换回原来的手机。引入新AI工具的一方，似乎不仅要考虑性能，还需要思考如何让工具融入用户已经形成的工作流程。
该如何看待PR数量增加24%
研究以合并的拉取请求数量作为指标，衡量完成的工作量，从而考察对生产力的影响。报告称，在引入后的第一周使用工具的工程师，与未使用者相比，合并的拉取请求平均多出24%；这一效果在整个4个月的调查期间都保持稳定，并非仅仅源于工具刚推出时的短暂兴奋。
不过，这里所说的生产力，毕竟只是以拉取请求数量这一项指标来衡量。这个数字并不表明代码质量、每项任务所需时间或团队负担也按相同比例得到改善。拉取请求数量增加这一事实，与人们觉得整体工作变轻松了，应当分开看待。
Claude Code增加11.4%，Copilot CLI增加24.9%
按工具分别来看，与未使用工具的周相比，Claude Code使用者的拉取请求数量增加了11.4%，Copilot CLI使用者则增加了24.9%。两者相差约一倍，但将这些数字直接解读为工具优劣还为时尚早。Copilot CLI是由微软旗下的GitHub提供的工具，两者在公司内部的使用方式和用户群体未必相同。
尽管如此，追踪数万名开发人员在真实开发环境中使用情况的扩散和成效、为期长达4个月的研究仍然不多。在有关AI编程的讨论往往聚焦于“哪个模型更聪明”之际，这项研究揭示了采用工具的现实：谁会开始使用，又有谁会持续使用。或许我们正进入这样一个时代：能否规划工具在职场中的传播方式，与工具选型同样会影响最终成效。
コメント