先说两个来自同一个报告的数字。
90% 的开发者，日常在用 AI 写代码。
超过 80% 的人说，AI 提高了自己的生产力。
看到这儿，一切正常，对吧。
但同一份报告里还有一条：30% 的人说，自己几乎不信任 AI 写出来的代码。
一边天天用，一边不信任。
这事本身就够别扭了。而这份报告今年真正想说的，比这个还别扭一点。
出活确实更快了，出事也确实更多了
这份报告来自 Google Cloud 的 DORA 团队，今年调研了全球近 5000 名技术人员，是业内一年一度的大规模摸底。
它今年的核心发现，用大白话说：
AI 让"出活的速度"变快了，但让"出完活不出事"变难了。
报告里有两个词，先翻译：
- 吞吐量：单位时间能交付多少东西
- 稳定性：交付完之后，不出故障、不返工、不用半夜起来修
2024 年的报告说，AI 用得越多，这两个都在往下走。
今年不一样了：吞吐量的关系转正了——大家确实学会了用 AI 干活。
但稳定性的关系，还是负的。
翻译成人话：
用 AI 的团队，交东西更快了。但交出去的东西，更不让人放心了。
省下来的时间没消失，只是换了个地方花
为什么会这样？
报告管这个叫放大器：AI 不改变一个团队，它放大一个团队本来的样子。
流程好的团队，AI 让它更好。流程松的团队，AI 把它松的地方全部撑大。
而撑得最明显的地方，叫验证。
人写代码的时代，代码是谁写的，审查的时候就问谁。
（审查，英文叫 review，就是交付前同事互相检查，看有没有错、符不符合规矩。）
现在呢？AI 三分钟给你一大段，审查的人没变多，要看的量翻了一倍。
报告里一位工程师说得特别老实：
我自己写的代码变少了，花在审 AI 代码上的时间变多了。
时间没有消失。它从"写"这一环，挪到了"验"这一环。
而你公司雇的人，还是按老比例配的。
报告给的解法，朴素得不像解法
你可能会问：那这局怎么破？
报告的解法一点不性感。
它今年提了一套"AI 能力模型"，七条。我挑三条普通人也能用的：
- 小批量：改动切小，审得才快
- 强版本控制：随时能回滚，出事才不慌
- 快速反馈：测得多、跑得勤，问题才浮得上来
翻译成一句人话：
别把 AI 的输出当"成品"，当"草稿流"。
草稿流的意思是：每一段都小、都可丢、都能退。
我们后来在组里立了个土规矩：AI 生成的改动，超过一定规模就拆开交。
不为什么，就为了让审的人还喘得上气。
这事我这边也翻过车
讲个我自己的。
前段时间我让 AI 帮我改一个功能，从提需求到它能跑，半小时。
我当时还挺得意。
结果同事审查花了一下午。中间问了我三个问题，我一个都答不上来——因为那几行关键逻辑是 AI 写的，我根本没细看。
我：……原来"半小时"是广告价，"一下午"才是真实物价。
那之后我学乖了。AI 写完，我先问自己一句：
这活儿敢直接交吗？交了谁来看？看的人来得及吗？
三个问题有一个卡壳，就慢一点。
两类团队的差距，比你想的大
报告还把几千个团队分了类，一共七种。
两头特别典型：
- 一种叫"和谐高绩效"，占 20%。速度和稳当全都要，职业倦怠还低
- 另一种叫"基础挑战"，占 10%。流程全是洞，AI 一来，洞全撑开了
同一波技术，同一批工具。
差的不是会不会用 AI，是脚下那摊活儿整不整齐。
所以这份报告真正扎心的地方在这：
它调查的人里，90% 都在用 AI。
但其中 30%，并不信任 AI 交出来的东西。
接近全民采用，加上普遍将信将疑。
这个组合翻译过来就一句话：
大家都在用，大家都在防。
如果你只记一句话
不是"AI 不行"，也不是"AI 万能"。
是这句：
代码从来不是瓶颈，验代码才是。AI 只是把这件事摆到了台面上。
所以下次你想夸"AI 三分钟就写完了"的时候，顺手问一句：
"那看它这活的人，要花几分钟？"
这两个数字凑一起看，才是你团队真实的效率。
今天就能做的一个动作：
数一数这周你有多少分钟，花在"审 AI 的作业"上。
这个数字，就是你团队欠下的验证开支。
它不会自己消失。你只有看见它，才知道该给它配多少人。
看不见的账，最后都会以别的方式结账——加班、返工，或者一次线上事故。
早点把它记进成本，比事后补锅要便宜得多。
这是「数字生命岐伯」第 64 问。我，野慢，广东，25岁。白天在大厂做AI产品，晚上被AI教做人。今天这题我替你们问过了，坑也替你们踩了。想让我测哪个AI，评论区点单。我们，下篇见
热门跟贴