7.8
深览指数
科技虎嗅·叶小钗··AI 生成
AI 把代码写快了10倍，为什么交付只快了18%？
文章基于作者对多家科技公司（OpenAI、Shopify、Dropbox、百度等）的AI研发实践调研及自身咨询经验，提出了一个核心反常识结论：AI编程在个人效率层面实现了数倍提升（如代码生成速度提高10倍），但由于编码环节仅占整条研发链路约20%的时间，且AI暴露了需求模糊、评审拥堵、测试不足、组织知识散落等结构性瓶颈，组织整体交付效率的提升极为有限（约18%）。作者认为，未来的关键在于构建“AI原生产研团队”，通过SDD（Specification-Driven Development，规范驱动开发）、上下文工程和AI研发操作系统，将管理复杂度前置并固化到系统中，从而让整条产研生产线真正受益于AI。文章适合正在引入AI编程工具、面临组织效率瓶颈的研发管理者、技术负责人及产品经理阅读。原文 ↗
核心观点
- ▍AI编程在个人效率层面提升巨大（如代码生成速度提高10倍），但由于编码仅占研发链路约20%的时间，加之AI暴露了需求模糊、评审拥堵、测试不足等组织性瓶颈，整体交付效率的提升极为有限（约18%）。
- ▍真正实现组织级AI提效，必须重新构建整条产研交付生产线，即打造“AI原生产研团队”，其核心在于将人的意图、项目知识、机器执行和最终责任，拼成一条稳定运转的研发生产线。
- 01Spotify披露，超过99%的工程师每周使用AI编程产品，PR（Pull Request）频率上升了76%。
- 02Shopify自研的Slack Agent“River”，在30天内共同编写并合并了3536个PR。
- 03OpenAI通过开源的Symphony将Linear改造成Agent控制台，部分团队上线后前三周合并PR数量上升了500%。
- 04百度内部复盘发现，Coding Agent使写代码速度提高十倍以上，但常规双周迭代周期并未明显缩短，因为编码仅占整条研发链路约20%的时间。
- 05Dropbox团队指出，AI提高代码速度后，交付压力向后转移，导致评审队列变长、CI（持续集成）更拥挤。
- 06作者基于实践提出三点观察：团队越小提效越明显（极端可达1000%）；老系统迁移类项目提效更夸张；工程师能力越强，AI带来的增益越大。
- 07Shopify为让Agent更好工作，在2024年做了两个吃力但关键的工程决策：将分散的代码合入一个Monorepo，并采用Nix构建可复现的开发、CI和生产环境底座。
- 08作者提出AI原生产研团队的组成公式：员工AI能力 + 研发机制流程 + 评价治理机制 + AI研发操作系统。
反方 / 局限
- — SDD（规范驱动开发）会增加管理成本，例如一个很小的需求是否需要走完六个部分、谁来维护模板、谁有权拒绝不合格需求，都需要团队自己权衡划分。
- — 普通研发团队开局没有必要重做整套体系，第一轮大概率不会更快，应先从一件经常发生、结果容易判断的小任务开始，逐步迭代暴露和解决现有问题。
叶小钗OpenAIShopifySpotifyDropboxFigma百度腾讯阿里AnthropicRiverSymphonySDDSpecClaude CodeCodexMonorepoNixQoderAI研发操作系统
18 分钟 · 5 卡片 · 14 资料
读原文 →