開發者拒寫沒有AI的程式碼，但數據揭露：它讓他們變慢，還燒掉數十億美元

到了2026年5月下旬，與AI編碼工具的蜜月期正式宣告結束。一場原本被視為開發者工作流程革命的金礦熱潮，如今卻撞上了一堵由硬數據、失控成本，以及令人吃驚的心理依賴所構成的高牆。研究機構再也無法測量人類的生產力，因為開發者拒絕在沒有AI的情況下寫程式。與此同時，2026年初蔚為風潮的管理趨勢——以計算AI Token（詞元）來衡量生產力的做法，正在崩潰。各大企業紛紛坦承，這筆帳根本算不過來。結果是，一場關鍵的企業反撲與尋找真正有意義指標的競賽就此展開。

那個失敗的實驗：為何METR的後續研究做不下去

2026年2月，AI研究機構METR公布了一項驚人卻又單純的發現：它再也無法完成自家關於開發者生產力的研究。該組織原本計劃為其2025年那項開創性的隨機對照實驗進行後續追蹤，但絕大多數受邀的開發者拒絕參與，因為他們不願在沒有AI輔助的情況下工作，即使那只是為了研究目的而設定的有限任務 。

早在2025年，最初的研究就已經投下了巨大的陰影。該研究發現，使用像是Cursor Pro與Claude 3.5/3.7 Sonnet這類AI工具的資深開源開發者，完成任務的速度比不使用AI的開發者慢了19%。開發者們自己原本預測AI可以為他們節省約24%的時間，而且自覺生產力更高，但客觀數據卻呈現相反的結果。他們花了額外的時間在除錯、引導AI，以及等待AI完成任務上 。

METR隨後在2025年8月進行的實驗擴大到57名開發者與超過800項任務，結果只是讓這場危機變得更深。數據在統計上並無顯著差異——估計生產力慢了4%，但信賴區間大到橫跨零點（-15% 到 +9%）。關鍵在於，有30%至50%的參與者承認他們在自我審查，選擇不提交那些他們無法靠AI輔助完成的任務。這使得樣本不可逆地偏向那些依然願意在沒有AI的情況下工作的少數開發者 。METR最終完全放棄了這個實驗，並稱其數據「不可靠」。

在不到一年的時間裡，研究的敘事從「AI讓資深開發者變慢，但他們渾然不知」，轉變成一項更深層的發現：「開發者甚至不願意在沒有AI的狀況下嘗試工作。」這種依賴性已深到無法測量 。

Tokenmaxxing狂熱與其戲劇性的崩潰

正當METR的研究瓦解之際，另一股平行的狂熱正橫掃矽谷。Tokenmaxxing——一種將最大化AI Token消耗量作為開發者生產力指標的做法——成為2026年初的決定性趨勢，隨後卻被自身的重量壓垮。

這種文化被積極地遊戲化。據報導，Meta員工在一個名為「Claudeonomics」的內部儀表板上相互競爭，根據他們燃燒的Token數量來爭奪「Token傳說」和「Session不朽」等頭銜 。Nvidia執行長黃仁勳曾因公開表示，如果他年薪50萬美元的工程師沒有大量消耗Token，他會「深感震驚」而登上頭條 。在整個產業界，Token預算成了榮譽勳章，象徵著員工對AI的擁抱，以及外界假定他們會因此帶來的創新產出。

亞馬遜關閉KiroRank排行榜

這股反撲在2026年5月下旬達到高峰。亞馬遜在其Kiro開發者平台上淘汰了內部的「KiroRank」排行榜，因為發現員工為了灌水自己的使用分數，開始創造「毫無意義的AI代理人」。資深副總裁Dave Treadwell直接向員工傳達了一個訊息：「請不要為了使用AI而使用AI」。亞馬遜的一位發言人證實，該排行榜只是一個「測試版儀表板」，且「並非正式或經核准的工具」，但它所產生的運算成本損失已經造成 。該公司現在正轉向一個它稱之為「標準化部署」（normalised deployments）的指標來衡量有意義的工作 。

Uber在四個月內燒光年度AI預算

更戲劇化的是，Uber的AI推進成了一個警世故事。該公司在2025年12月，為其約5000名工程師提供了Anthropic的Claude Code廣泛使用權。幾個月內，採用率從32%飆升到84%，到了2026年4月，這家公司已經耗盡了它全年的AI預算。根據技術長Praveen Neppalli Naga的說法，Uber 95%的工程師現在每月都使用AI工具，且有70%已提交的程式碼是AI生成的——這是所有主要科技公司中公開報告的最高比例 。

然而，這樣驚人的採用率卻沒有任何明確的回報。營運長Andrew Macdonald在5月下旬的一次採訪中公開承認，公司無法在巨額的AI支出與有意義的商業成果之間畫上連結。他說：「那條連結還沒出現。要合理化（這些成本）變得越來越難。」 在內部，Uber的高層已經開始用一個詞來稱呼這個問題：「tokenmaxxing」。

更廣泛的清算

Meta和其他大型企業也已經廢除或重新檢視了他們的AI使用排名。各大企業現在都在重新評估那些尚未產生相對應回報的失控AI支出 。《財富》雜誌總結道，Tokenmaxxing這個趨勢「已死」。

看不見的成本：更多程式碼、更多錯誤、更多技術債

這場反撲不單只跟預算有關。越來越多的證據表明，AI生成的程式碼正在軟體專案中埋下定時炸彈。

• 生產力幻覺確實存在。 對速度的感受與對照實驗研究的結果相矛盾。專注於Token量與產生的程式碼行數，模糊了除錯、重構和維護AI編寫軟體的隱藏成本。GitClear在2026年1月的一份報告發現，在AI採用率高的環境中，程式碼變動率（Churn，一種衡量被刪除相對於被新增程式碼行數的指標）飆升了861% 。
• 技術債正在累積。 AI工具的快速產出，製造出需要更多重工並帶來安全漏洞的程式碼。分析師警告，隨之而來的維護負擔可以輕易抵消任何短期速度上的好處，威脅程式碼庫的長期健康 。
• 衡量方式本身就有問題。 整個事件揭示了活動指標像是程式碼行數、Token消耗量、調用的AI代理人數量，是衡量實際產出的一個有嚴重缺陷的替代品。正如一份分析所說：「主觀印象對測得的影響來說只是個糟糕的指引，即使影響幅度本身已有所變動。」

浮現中的新策略：如何務實地平衡AI與人為監督

2026年的這場清算，正在產生一個關於如何將AI整合進軟體工程的新共識，這個共識更加清醒。

• 放棄以Token為基礎的指標。 企業正在廢除排行榜，轉而採用能追蹤已出貨功能、程式碼品質和缺陷率的工程智慧（Engineering Intelligence），而非AI消耗量。Atlassian以10億美元收購開發者體驗平台DX，就是這種投資於衡量有意義的成果，而非原始活動的一個例子 。
• 強制進行嚴謹的人工審查。 METR的研究顯示，如果沒有人工仔細監督，AI工具可能讓資深開發者的生產力不增反減。程式碼審查與架構規劃仍然是關鍵且不可省略的活動 。
• 根據展示的價值而非使用量來設定AI支出上限。 Uber的經驗證明了無上限、基於使用量的AI支出是無法持續的。預算必須與可衡量的回報掛鉤，而不是採用目標 。
• 重新設計評估文化。 目標是將核心問題從「誰用AI用得最多？」轉變為「AI為我們的團隊帶來了哪些有用的成果？」。這代表要獎勵審慎且有效的AI使用方式，而不僅僅是高消耗量 。

2026年的教訓很清楚：AI編碼工具在可靠證明其經濟價值之前，就已經創造了一種前所未有的心理與操作依賴性。能夠駕馭這個矛盾的企業，將是那些把AI當作一種需要用紀律來駕馭的工具，而非一尊需要獻上越來越多Token為祭品的神來看待的企業。