Hacker News
METR is revising its study design because developers' increasing reluctance to work without AI tools and changes in pay rates have introduced significant selection bias into their productivity measurements.
AI 生成摘要
我們正在修改研究設計，因為開發者越來越不願意在沒有 AI 工具的情況下工作，加上薪資費率的變動，導致我們的生產力測量結果出現了明顯的選擇偏誤。
METR（前身為 METR.org）近期發布了關於開發者生產力實驗設計的重大調整說明。該機構在 2025 年初的研究曾指出 AI 工具會導致資深開發者效率下降 20%，然而在 2026 年初的追蹤研究中，數據卻顯示出截然不同的趨勢。由於開發者強烈拒絕在沒有 AI 輔助的情況下工作，導致實驗面臨嚴重的樣本偏差與選擇效應，METR 坦承原有的實驗設計已難以準確衡量 AI 對生產力的真實影響。
Hacker News 社群對此研究轉向展開了熱烈討論，許多留言者指出，這份報告實際上反映了 AI 工具在開發流程中已從「選配」轉變為「標配」。部分網友認為，開發者拒絕在無 AI 環境下工作，未必全然代表生產力大幅提升，也可能僅僅是因為 AI 讓工作過程變得更愉快、更不痛苦。然而，也有觀點反駁這種看法，認為開發者對特定任務的「避重就輕」——即只願意在有 AI 輔助時才提交任務——本身就是一種強烈的生產力訊號，暗示某些高產出的任務若缺乏 AI 輔助，其心理與時間成本已高到令人難以接受。
針對 METR 數據從「效率降低」轉向「效率提升」的變化，社群中出現了兩極化的解讀。支持者認為這證明了 AI 工具與開發者技能的磨合已見成效，特別是那些參與過兩次實驗的開發者，其表現明顯優於新加入者，顯示出 AI 協作存在學習曲線。反對者或懷疑論者則批評，這類研究往往缺乏對軟體開發生命週期的長期追蹤，僅關注任務完成速度而忽略了程式碼缺陷率與系統長期維護的熵值。有留言者犀利地指出，AI 產出的「垃圾程式碼」雖然在短期內看似快速，但可能為團隊帶來沉重的審核負擔與後續債務。
此外，實驗設計中的變數也受到質疑，特別是報酬從每小時 150 美元大幅降至 50 美元，被認為是導致高階開發者流失、產生樣本偏差的主因。社群中不乏對「AI 導致大腦萎縮」的擔憂，認為開發者對工具的依賴可能損害基礎解決問題的能力。但也有另一派聲音將此類比為從打孔卡轉向終端機的技術演進，認為拒絕使用 AI 就像現代工程師拒絕徒手計算一樣，是技術進步的必然結果。整體而言，社群共識傾向於認為，AI 已深刻改變了開發者的工作習慣，傳統的對照組實驗已難以捕捉到這種典範轉移後的真實產出價值。