近岸软件开发公司BairesDev最新数据显示，过去一年软件开发者采用人工智能工具的速度急剧加快。依赖AI生成一半及以上代码的开发者比例，已从12%攀升至42%。这项基于705名开发者和41位企业首席技术官（CTO）的调查结果描绘了一幅职业转型图景：在生产力提升的同时，新职责导致总工作时间并未缩减。
编码时间节省，审查负担加重
这份于9月中旬发布的报告详细展示了AI编程助手如何重塑日常工作。受访者表示，每周可节省约13小时原本用于编写新代码的时间。然而，这些被释放的时间并未转化为更短的工作周或减轻的工作负担。相反，开发者将这些时间投入到审查AI生成的输出、调试模型引入的错误以及掌握迅速变化的工具库中。
目前，仅有21%的开发者仍将超过半数的周工作时间完全用于从头编写新代码，其余人则转向验证、优化和集成任务。数据显示，72%的开发者使用AI工具处理其25%或更多的代码。虽然从业不足五年的开发者表现出略高的采用率，但即使是资深工程师也报告称，将AI纳入至少四分之一的产出中。
质量保障成为新重心
随着AI在初始代码生成中扮演更大角色，人类注意力正集中在质量保证上。67%的开发者表示，与一年前相比，他们花费更多时间审查AI生成的代码；52%的开发者报告称，针对模型自身引入的问题进行的调试工作有所增加。这表明，虽然AI加速了创建阶段，但也同时膨胀了验证阶段。
首席技术官们似乎意识到了这种权衡。调查中78%的CTO增加了对审查、质量保证和验证流程的支出。许多组织并未削减人员编制或预算，而是将资源重新分配以加强自动化生成之上的“人工层”，包括招聘或培训精通AI工具的专家、进行数据工程以改进模型，以及实施针对机器生成代码的安全实践。
分析指出，节省的时间被监督成本所消耗，责任依然牢牢掌握在最终交付软件的人类手中。开发者无法将对缺陷、安全漏洞或性能问题的责任委托给语言模型。因此，该职业正在形成一个新的专业领域——“AI代码审查员”，这需要提示工程、输出验证和模型尚缺乏的上下文理解等技能。
生产力指标与安全挑战
这种演变引发了关于软件团队未来如何衡量生产力的问题。当半数代码行预先写就时，传统上关注每行代码数量或每个冲刺周期交付功能的指标可能相关性降低。组织可能会转而追踪AI生成部分的缺陷密度、代码审查耗时或团队安全集成和部署机器辅助贡献的速度。一些CTO已开始试点新的评估框架，权衡AI建议的准确性与使其达到生产就绪状态所需的努力。
调查还揭示了区域和行业差异。北美团队的采用率略低于拉丁美洲和欧洲的同行，这可能反映了金融和医疗等受监管行业更严格的合规要求。相比之下，初创企业和中型科技公司显示出最高的采用率，许多开发者并行使用多种AI工具。
安全问题在调查结果中占据突出地位。由于AI模型是在公共代码库上训练的，引入已知漏洞或无意中泄露专有模式的风险依然存在。38%的开发者承认在过去六个月内发现了可追溯至AI建议的安全漏洞。作为回应，许多组织现在将所有AI生成的代码通过静态分析工具，并在合并到主分支之前要求人工签字确认。
未来展望：增强而非取代
人为因素维度同样值得关注。参与调查的开发者对这项技术表达了复杂的情感。大多数人欣赏样板工作减少和快速探索替代实现的能力，但许多人也描述了在同一小时内切换写作、审查和纠正AI输出时的认知过载感。一位高级工程师将新的工作流程描述为“写得少，想得更多”。
展望未来，BairesDev的数据显示AI编码辅助将继续增长。84%的CTO计划在未来12个月内增加对这些工具的投入，重点领域包括与现有开发环境的更好集成、针对特定领域语言的改进模型专业化，以及增强协作功能。
与此同时，期望正变得更加现实。围绕完全自主编码代理的早期炒作已让位于更为审慎的观点，即将AI定位为强大的初级结对程序员，而非经验丰富的员工的替代品。调查显示，仅有9%的受访者认为AI将在五年内消除对人类开发者的需求。绝大多数人认为该技术是增强而非取代他们的角色。
BairesDev的调查为跟踪进展提供了有用的基准。目前，数据证实AI已从实验性副业转变为现代开发栈的核心组成部分。战略性地看待这一过渡的公司——投资于培训、更新审查实践并衡量正确的结果——将获益最多。那些仅部署工具而不调整团队结构或成功指标的公司，可能会发现自己将承诺的时间节省花在了扩展的调试积压工作上，而非创新。