哈佛研究：GitHub Copilot 让开发者协作骤降 80%

像 GitHub Copilot 这样的生成式 AI 工具，不仅加快了编码速度，还在悄然重塑软件开发者分配时间的方式——包括写代码、管理项目和学新技能。

哈佛商学院的工作论文《生成式 AI 与工作本质》调查了 18.7 万名开源开发者，给出了具体答案。研究发现，获得免费 GitHub Copilot 访问权限的程序员，明显将更多时间投入了动手编码。

工作结构的变化

在使用 Copilot 之前，开发者大约花 44% 的时间在编码任务上，37% 在项目管理上，比如处理 issue、review PR 和管理支持队列。Copilot 到来后，编码时间增加了 12.4%，而项目管理活动减少了 24.9%。

不过，并非所有研究都支持这一结果。例如，Google 的《2025 年 DORA AI 辅助软件开发状况报告》发现，虽然使用 AI 的人能更快地产出更多代码，但这些代码也带来了更多问题，需要更多找 bug 和返工。

开发工具公司 Sonar 的《2026 年代码状态开发者报告》也指出，96% 的开发者难以信任 AI 生成的代码，38% 的人认为 review AI 生成的代码比 review 同事写的代码更费力。在同一份报告中，“纠正或重写 AI 编码工具创建的代码”被列为主要的苦差事，尤其是在频繁使用 AI 的用户中。

哈佛报告的共同作者之一、麻省理工学院数字经济倡议的研究科学家 Frank Nagle 表示，当前研究没有深入探讨代码质量，但“从轶事来看，我听过类似的说法”。所以，如今人们所说的“编码”，可能已不同于几年前我们理解的编码。

协作的锐减与文化风险

关键的是，研究人员认为这意味着 AI 不仅是生产力提升，更是开发者工作的转变。对于维护者和顶级贡献者来说，这种重新平衡影响巨大。研究指出，这些“高级用户”通常将不成比例的时间花在次要任务上，如 review 他人贡献、合并代码和解决用户报告的问题——这往往是导致倦怠的快车道。

具体来说，使用 Copilot 的开发者的项目管理活动增加了近四分之一，而同行协作事件减少了近 80%。为什么？作者认为这是因为他们需要做的调试和重构减少了。这种转变表明，生成式 AI 充当了持续在线的 review 者和结对编程伙伴，处理了许多以前需要人工干预的小型、常规修复。

这既是好消息也是坏消息。虽然这缓解了工作压力，但也暗示了开源的文化风险。Nagle 在论文中警告，随着开发者依赖 AI 而不是同事获取建议、设计反馈或代码 review，可能会出现“团队协作退却”。长期以来，开源的特点不仅是公开可见的代码，更是塑造软件和开发者的人际协作网络。

虽然节省时间是真实的，但人际互动的减少侵蚀了公司和开源社区从协作工作中获得的社会和组织价值。AI 通过减少同行接触，似乎正在掏空软件工程中的人性面。

现实案例与初级开发者

这种协作急剧下降的另一个问题是：“当代码变更流经更少的人工检查点时会发生什么？”亚马逊最近给我们展示了一个现实例子：没什么好事。由于众多 AI 故障，亚马逊现在要求高级开发者监督和批准初级及中级 AI 辅助程序员的工作。

与此同时，哈佛报告发现，生成式 AI 带来的最大增量效益出现在经验较少的工人中。在 GitHub 样本中，使用 Copilot 的低级别开发者在核心编码活动上花费的时间增幅最大。不过，正如 Nagle 指出的，样本中的每个人都是维护者，所以即使经验较少的人也比完全的新手更有经验。

Nagle 在论文中明确表示，如果公司因为认为 AI 可以填补空缺而削减初级招聘，那将是“深刻的战略错误”。研究发现，AI 最好作为补充，加速技能发展并为工人承担更高级别职责做好准备。“当公司停止招聘初级人员时，这是以牺牲未来投资为代价的短期思维。”

新语言的探索

另一个结果是，使用 Copilot 的开发者在接触新语言方面的累积暴露量比基线增加了近 22%。这表明该工具支持低成本实验。因此，AI 让尝试新语言或框架变得更容易，因为 AI 可以即时填充惯用语、样板代码和语法。

归根结底，AI 显然正在改变程序员工作的本质。不过，就像 AI 本身一样，现在说这些变化具体是什么还为时过早。系好安全带，这将是一段颠簸的旅程。