微软研究人员发表了一篇论文，研究数万名公司内部软件工程师使用命令行AI编程工具的情况及其对生产力的影响。研究对象包括Anthropic的“Claude Code”和GitHub的“Copilot CLI”，调查时间约为4个月，从2026年1月5日持续至4月29日。研究称，在工具推出的第一周使用工具的工程师，合并的拉取请求数量平均比未使用者增加了24%。
仅仅发放工具并不能推动普及，第一步要从“身边的同事”开始
不少企业经营者和管理者或许会想象这样的场景：公司为全体员工配备AI工具，第二天大家就开始使用。但这项调查表明，决定人们是否最先尝试的，与其说是功能介绍或通知，不如说是职场中的人际关系。
如果日常会互相展示代码的同事或直属上司正在使用，本人开始使用的概率也会提高。具体数据如下：如果与自己有同一位上上司的同事中，最近两周使用工具的人超过四分之一，尝试使用的优势比最高会上升216%；直属上司使用时上升82%；平时与自己互相进行代码审查的同事中，使用者超过四分之一时则上升54%。
优势比上升和“概率上升”不是一回事
这里需要注意“优势比”这个说法。优势比是指某件事发生的可能性与其不发生的可能性之比。听到上升216%，可能会觉得使用者增加到了3倍多，但这并不意味着使用者的比例本身增加了216%。原本使用率较低时，差异容易显得很大，而实际使用者的增幅会小于这个数字。
即便如此，上司和同事的行动会起到推动作用，这一趋势十分明确。人们开始使用新工具，与其说是读了说明书，不如说是因为“那个人在用”。我个人认为，这种情况不仅限于开发现场，在许多职场中也并不少见。上司率先尝试，并在评审时展示用法。这样的平常举动或许比培训材料更有效。
能否持续使用，取决于日常工作流程
尝试过的人之后是否会继续使用，是另一回事。调查显示，持续使用与本人日常的编码活动量有关。据称，平时编写大量代码、经常提交拉取请求的繁忙工程师，更容易切实感受到AI带来的好处，也更倾向于让工具融入日常工作。
拉取请求是指请求将修改后的代码合并到主代码库中。经常提交拉取请求的人，也可以说有更多工作能够交给AI处理。也就是说，动手工作量越大，就越容易体会到工具的效果。
习惯的工作环境，可能成为使用新工具的障碍
另一方面，调查还发现，之前一直在其他开发界面中使用现有AI工具的人，虽然会尝试新工具，却不容易长期使用。可能有不少人觉得，习惯的环境用起来更顺手。
这有点像换智能手机。即使功能更出色，如果应用的布局和操作习惯已经深入骨髓，人们还是会想换回原来的手机。引入新AI工具的一方，似乎不仅要考虑性能，还需要考虑如何将工具融入用户已经形成的工作流程。
如何解读拉取请求数量增加24%
研究通过合并的拉取请求数量来衡量生产力影响，也就是已完成的工作量。报告称，工具推出第一周使用工具的工程师，提交的拉取请求平均比未使用者多24%；而且这一效果并非推出后短暂的新鲜感所致，在为期4个月的调查期间一直保持稳定。
不过，这里所说的生产力，仅以拉取请求数量这一项指标衡量。这个数字并不表明代码质量、每个请求耗费的时间或团队负担也按相同比例得到改善。数量增加这一事实，与整个工作变得更轻松的实际感受，最好分开看待。
Claude Code增加11.4%，Copilot CLI增加24.9%
按工具分别来看，与未使用工具的周相比，Claude Code用户的拉取请求数量增加了11.4%，Copilot CLI用户则增加了24.9%。两者相差约一倍，但据此直接判断工具孰优孰劣还为时过早。Copilot CLI由微软旗下的GitHub提供，两款工具在公司内部的使用方式和用户群体未必相同。
尽管如此，追踪数万名开发者在真实开发环境中使用情况的变化及其成果、并持续4个月的研究并不多。在有关AI编程的讨论往往偏重于“哪个模型更聪明”之际，这项研究呈现了实际的部署情况：谁开始使用，又是谁持续使用。如今，能否像选择工具一样，精心设计工具在职场中的推广方式，或许正逐渐成为影响成效的关键。
コメント