[新聞] 誰真正從 AI 寫程式中受益？生成式 AI 在

[stpiknow (H)]

標題：誰真正從 AI 寫程式中受益？生成式 AI 在軟體開發中的擴散與分化

來源:iknow科技產業資訊室

原文網址:https://pse.is/8n4wu6

原文:
近年來，生成式人工智慧（Generative AI, GenAI）的快速發展，持續衝擊各行各業，其
中對軟體開發工作的影響尤為顯著。從「AI 是否會取代工程師」到「究竟誰能真正從
AI 中受益」，相關討論不斷升溫。2026 年，Daniotti 等人於《Science》期刊發表一項
關於全球生成式 AI 擴散與影響的研究，為此一議題提供了重要的實證基礎。

該研究並未採用傳統的問卷調查方法，而是透過訓練神經網絡分類器，分析 2019 至
2024 年間超過 3,000 萬筆 GitHub 程式碼提交紀錄，精準辨識由 AI 生成的 Python 程
式碼，藉此描繪生成式 AI 的全球採用趨勢，並檢視其對不同資歷開發者所帶來的深層影
響。

研究結果顯示，隨著 GitHub Copilot、ChatGPT 與 GPT-4 等工具陸續推出，AI 生成程
式碼的比例在全球快速攀升，顯示生成式 AI 已由早期的實驗性工具，逐步轉變為軟體開
發流程中的常態化輔助技術。

從全球擴散的角度來看，美國在 AI 程式碼生成的採用上取得了早期且持續的領先地位。
至 2024 年底，美國開發者提交的 Python 程式碼中，約有 29% 為 AI 生成。歐洲國家
如德國與法國緊追在後，採用率分別為 23% 與 24%；印度雖然起步較晚，但成長迅速，
也已達到 20%。相較之下，中國與俄羅斯則因使用限制（如 OpenAI 的存取封鎖）以及在
地平台使用習慣差異，整體採用率相對滯後。此一結果顯示，儘管生成式 AI 被視為通用
技術，其擴散速度仍深受地理條件與地緣政治因素影響。

在開發者的人口特徵分析中，研究並未發現性別在 AI 使用比例上的顯著差異。然而，真
正的分歧則出現在「開發經驗」上。研究指出，資歷較淺的開發者反而更頻繁使用 AI 工
具。剛加入 GitHub 的初階開發者，其程式碼中平均有 37% 來自 AI；相較之下，資深開
發者的比例則約為 27%。這顯示，生成式 AI 已成為新手開發者快速上手的重要輔助工具
。

然而，當研究進一步分析 AI 對生產力的實際影響時，結果卻呈現出明顯的「強者恆強」
現象。整體而言，隨著 AI 採用率提升，開發者的生產力平均增加 3.6%；但進一步拆解
後發現，這些增益幾乎完全集中於資深開發者，其生產力提升幅度達 6.2%。相對地，最
積極使用 AI 的初階開發者，卻未觀察到具統計顯著性的生產力成長。

究其原因，資深開發者通常具備較強的「審核直覺」與程式碼審查能力，能迅速辨識並修
正 AI 產出的錯誤，將其轉化為實質且高品質的成果，從而實踐真正的人機協作。他們得
以將節省下來的時間，從繁瑣的協調與除錯工作中釋放，轉而投入更具價值的核心編碼任
務。反觀初階開發者，因缺乏足夠的判斷與整合能力，往往只能被動接受 AI 生成的程式
碼，甚至可能因修補 AI 所留下的錯誤而抵銷自動化帶來的效率提升。這顯示，在生成
式 AI 時代，紮實的基礎知識非但未被取代，反而成為跨越生產力門檻的關鍵要素。

除了產量提升之外，生成式 AI 亦改變了軟體開發的工作型態，並對創新行為產生影響。
研究發現，使用 GenAI 的開發者更傾向於引入新的程式庫及其組合，顯示 AI 有助於協
助開發者跨越既有技術邊界，探索不熟悉的軟體領域。然而，這類探索效益同樣主要集中
於資深開發者身上，初階者並未展現出相近程度的創新擴展能力。從經濟角度估算，僅
以 2024 年底的採用水準計算，生成式 AI 每年即可為美國的程式編碼活動創造約 230
億至 380 億美元的額外價值，但這項龐大效益的分配卻呈現高度不均。

整體而言，生成式 AI 雖有助於提升整體效率與經濟價值，卻也可能同時擴大技能累積與
職涯發展上的不平等。當資深開發者透過 AI 持續強化競爭優勢，而初階開發者卻陷入高
度依賴、難以累積核心能力的困境時，原本仰賴經驗逐步累積的「技能階梯」恐將面臨斷
裂風險。此一研究結果為軟體產業的未來敲響警鐘，提醒企業、教育體系與政策制定者：
在生成式 AI 時代，關鍵不在於是否導入 AI，而在於如何透過培訓模式與制度設計，引
導人才理解並駕馭 AI，而非僅止於使用 AI，以確保其在 AI 輔助環境中，仍能持續累積
關鍵的核心能力，避免技術進步最終轉化為結構性不平等。

心得：
根據這篇研究，AI 雖然降低了寫 code 的門檻，但審核與除錯的能力反而成為區分生產
力的關鍵。資深者能利用 AI 釋放冗餘工作、提升原本不熟悉的工具使用度，但初階者若
過度依賴生成結果，可能因缺乏基礎判斷力，導致生產力原地踏步甚至後退，對於依賴AI
就想轉行的工程師值得思考基礎知識的增強才行。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 203.145.192.245 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1769572268.A.CC5.html
推 pannn: 推心得的部分
→ abeliangroup: 簡單來說 不懂的人 AI餵屎 你也吃
→ abeliangroup: 一樣是grabage in garbage out
→ TCPipv6: AI可以看成乘法, 自己的實力看能放大幾倍
推 lucy7331: AI產出的code bug要人清除
推 douge: 短短幾年內 碼農會剩下1/5
→ douge: 不要當流浪漢的記得就別走這條路了
推 nckuff: 可以轉去Soft_Job板 只是新聞應該不算引戰
→ douge: 拿軟體來做科學跟有技術基底的問題解決
→ douge: 就不用擔心失業的問題
推 alvinlin: 寫得不錯
推 sforzando: 心得部分蠻同意的～
推 donkilu: 我也覺得debug會變成很重要的技能XD
推 henrylin8086: debug一直都很重要...
推 eyb602: 跟我的經驗蠻相符的 而且AI很簡單就能幫你
→ eyb602: 把既有程式碼換成其他語言 跨平台難度降超
→ eyb602: 多
推 a1234567289: 我經驗也是這樣 AI是能力增幅器 你
→ a1234567289: 本來有多強 最後成果就有多好  反而
→ a1234567289: 證明AI時代基本功的重要
→ TKB5566: chatGPT確實替我提升不下數倍生產力
→ TKB5566: 不只ai 其實所有工具都是放大器 放大你
→ TKB5566: 本來正在做的事
推 lolicat: 目前的AI都會順著你的話講 能自己除錯才
→ lolicat: 是重點
推 gino0717: 我同事跟AI從外太空問到內子宮  就是沒
→ gino0717: 想過讓AI解掉他那個寫不出來的簡單功能
推 bunjie: 同意心得 AI是能力增幅器
推 GGing: 初階工程師使用AI根本鼯鼠技窮，一問就倒
→ holebro: ai那麼強還是一堆台廠工程師不會用 笑死
→ TKB5566: 一問就倒是甚麼意思？？
推 ailio: AI讓很多學習成本都降到超低，但還是要學習
→ ailio: 給一點點天份
推 GGing: 一問就倒就是不知道AI為什麼這樣寫？問他
→ GGing: 有沒有其他更好的做法也回答不出來，無法
→ GGing: 舉一反三，跟沒有思考能力的喪失差不多
→ Arashi0731: AI的解未必是正確的，你不懂的話會浪
→ Arashi0731: 費大量時間在陷阱裡
推 show50475: 軟工實踐還是很重要的
→ TKB5566: 原來如此 總之就是要知道如何跟ai討論
→ TKB5566: 邏輯愈嚴密 討論效果就越好
→ TKB5566: ai提供的解是錯誤的 我的經驗是很多時候
→ TKB5566: 提問者的前提就錯了 所以邏輯嚴密到知道
→ TKB5566: 每一行在幹什麼 有沒有其他寫法  為什麼
→ TKB5566: 不用其他寫法 這樣才能問出真正的問題
→ TKB5566: 對方才能回應
→ peter98: help me build the project by mvn clean
→ peter98: install, and fix any errors
→ douge: 你們現在在討論的所謂的要懂如何使用AI
→ douge: 其實在很短的時間內就又不重要了
推 jasperhai: 別擔心 很快AI就能取代debug工作
→ jasperhai: 但品質嘛…懂的就懂
推 douge: 那你加油了
推 wulouise: 不能相信他給的答案，除非你能驗証
推 admira: 這個新聞看法真是切中要點，而且不只是寫
→ admira: 程式，其他像是寫報告之類的，也是初階人
→ admira: 員無法辨識AI的錯誤，也欠缺自我提升的練
→ admira: 習
→ douge: 自我提升的什麼練習是巨匠三個月學不到的?
推 bluedragon: 離開學校太久了 好奇現在大學程式語
→ bluedragon: 言怎麼教？ 出什麼作業AI都能搞定啊
→ allen501pc: 照教基本功跟軟體工程這些必要知識啊
→ allen501pc: 。不然怎麼知道AI寫的東西有沒有洞？
→ y40103: 感覺差不多 senior 可以處理的事變多 效
→ y40103: 益更明顯