原创 孔某人 2025-09-19 22:32 北京
最近看到了一些案例，感觉达到了让我无言以对的程度，所以来写篇文谈下我的看法。本文说的不是特定组织，我相信本文讨论的问题在各种需要coding的研发组织内都广泛存在，而且组织规模越大越复杂的，问题越多。
（当我给传统加引号的时候，一般都是说“在座的各位都是”）
AI Coding基本信息回顾
过去几年AI Coding相关的技术在不断加速，从2021年的GitHub Copilot，到2024年的Cursor，再到2025年的Claude Code、Cursor + GPT-5和Codex + GPT-5-Codex ，AI Coding工具的能力在快速发展。我没有用指数增长这个描述，是因为我还不太确定它的能力到底算不算真的指数增长。
我之前在《2025.7月》的文章中举了一个例子，说明现在完全靠AI Coding进行开发大概是个什么状态。
目前AI Coding工具的能力仍然在快速进展中，我相信再过半年，目前AI Coding的失败率会降低到现在的1/3，暂时还无法判断这个快速增长期到什么时候会开始放缓。
AI Coding工具的使用状态
现在有不少研发人已经在深度使用AI Coding工具，彻底改变了他们的工作方式，但目前来看这更多是在个人的层面。
在组织层面还看不到什么成建制的改变，能给每个人配一个每月200刀费用/额度的AI coding工具说实话就已经算是先进组织了。
AI Coding的渗透是不均匀的，在我看到的范围内表现为两个方面：
（1）不同的细分技术领域中，目前AI Coding工具能够起到的价值是不同的，而且是差异极大，不能一概而论。例如，对于C++底层基础设施的开发，目前AI Coding的价值就还相对较低。
（2）在同一个细分技术领域中，同一个岗位的不同人之间的渗透率也差异很大。
前者其实是目前的技术特点，事实如此。这里简单展开一下第二点：
实际上很多人是很固执的，工作年限越长、在同一个领域工作越久的人，越是如此。他们是在这一轮变革中最难改变的类型。
而有些人由于各种原因对新工具接受度更高，愿意为了新工具去改变自己的工作习惯。这里有些人是看好AI的发展而去主动适应，有些人是在一些场景被AI工具的表现所打动，所以才发生改变。
组织中对于AI Coding工具的常见问题
价值如何衡量
自上而下的战略规划、老板拍脑袋等情况，特别喜欢上来就关注这个工具的价值、ROI。
但实际上这个问题没有一个能接受的答案，但不能量化并不能代表不能用。考虑这个问题，对于提出“这个AI Coding的ROI是多大”的人，“把他开掉，把他的某个下属晋升上来，公司会因此损失多少价值？”，实际上这个问题也无法回答，但我们不能因此否定这个人的价值。
目前对于如何评价一个研发人员的工作产出本就很难量化，那么给他提效的AI Coding工具的ROI也很难评价是非常正常的。
之前大家会喜欢用代码中的AI生成率来做PR，做PR是可以的，数字看起来好。但我之前的文章已经说明了，目前就可以把这个数字拉到99.9%，但不代表开发效率就提升了1000倍。本文力求务实，同时我认为做公司制度设计和治理的人也得务实一些。
目前AI Coding工具的价值很难被测量，但这不代表我们就要等它能够被测清楚的时候才行动。等待是一种保守，对于大公司守城是可以的，但如果拿这个思路去创业早就死翘翘了。目前这个领域在快速变革中，职业经理人的思路并不适合，我们需要的是第一代创业者的认知方式。
我目前对前沿AI Coding工具（主要指海外的前沿工具和前沿模型）的价值认定是：它对研发人员的价值和效率提升肯定超过10%，那么以一般研发人员的薪酬成本，每月消耗200刀的AI Coding费用是肯定合算的。200刀以下无需浪费时间再去做任何测算。实际上我觉得大家可以以人员成本的10%来对标，那么一般同时使用2个200刀级别的AI产品也没有超过这个预算。
团队的AI工具使用率提升
首先AI Coding工具是一种新的工具，员工需要学习新的工具，而且这个学习效果非常难以度量。这就好像你让一个Java后端程序员去学习Python，期望达到一个较好的用Python写后端服务的状态。这个事其实不算太难，但你想在已有的组织中推行这件事的成本其实很高，一般的组织都做不到这件事。
一般的团队其实都不太闲，没有太多的时间去让人熟悉新的工具，也没有太多时间去做内部培训，因为这些过程都会占用宝贵研发人员的工时，而且很难测量效果，也很难保证效果。对于大多数团队来说，去做足够时长的AI Coding内部培训和足够的效果验收都是一种奢侈，这种奢侈表现为能够拿出20%的研发时间来去做团队能力培训和技术转型。
当然在一些极限场景下，是可以做的，例如小型创业公司，合伙人首先快速学习了AI Coding的使用方式，然后监控每个员工的AI coding工具使用的对话历史，并定期review，找出哪些使用的还不够好的人。这种方式其实非常极限了，review所有人的使用历史很耗费时间，而且还需要足够的AI Coding使用经验，对于大组织来说这种临时的阶段性工作是不现实的。
相对来说，更好的方式是在招人时就招能够较好地使用AI Coding工具的人，筛选人比改变人更容易。面试阶段就让候选人使用外部AI coding工具，或者是本企业内部的AI coding工具（当然效果不要太差）进行开发，就可以比较好地了解候选人对于AI coding工具和AI工具的使用经验。但这需要面试官本身熟悉AI Coding工具的使用，这不是一个能很好冷启动的方式。
团队的冷启动还是得指望团队中主动会去采用新工具，尝试新范式的人。而目前阶段，组织能提供的就是他们能够去低成本尝试的环境，给每个人配发一个AI Coding工具，并期望有10%的人能够首先开始自主转化。
环境在变化，改变也需要时间
AI coding工具还在发展中，而且在可用性上的普及也没有那么快。
首先海外前沿模型的能力还在快速发展中，虽然可能现在AI coding工具的能力还没有打动某个具体的员工，但半年之后的能力可能就足以打动。
第二是，很多组织不能马上用上最好的产品，可能受到公司数据不能出公司或出境的限制，也可能由于公司缺乏针对这类海外产品的采购/报销流程而受限，这都导致其中的员工只能用上更差的工具，可能这些工具的效率提升并没有那么大。特别是一些在企业内私有化部署的AI coding产品就更是如此。强推落地，可能只会让大部分员工觉得AI coding是垃圾，反而影响未来对于AI coding产品的使用推广。
第三是，团队中的渗透也是需要时间的，第一批尝鲜员工可能就需要1-3个月时间来摸索，并验证是否达到PMF。然后逐步扩散需要更长的时间。整个过程其实比较漫长，如果没有裁员换血计划的话，较大的团队推动1年，完成对90%的人的转化都已经不算慢了。
所以整体来说，我认为这个事情急不得，工具在发展、环境在发展、人的适应也需要时间，现在还远远没到终态，也看不到终态会是什么样。而量化AI coding工具的效率提升和团队影响其实就是一种终态思维，现在这种终态思维受阻很正常。
但这个事情也确实需要推动，目前我认为有两个比较好的抓手：
（1）是优秀AI Coding工具（也包括AI工具）的全员普及，应配尽配。现在虽然还用不起来不要紧，但目标就是饭送到嘴边。
（2）重点培养和关注组织中的早期适应者，他们是未来团队转型的宝贵核心，无论是内部培训还是招聘筛选，目前来看就靠他们了。
（A1）剩下就是给团队留一些时间做新工作培训和教育，这需要时间，也需要过程。这对于很多团队来说是个奢侈的事情，能做的话可以做，不能做的话也不必强求。不要过度拔苗助长，要接受新技术的转型在已有团队中的普及需要时间这个自然规律。
当然也不是不能快，一个方式就是换血，不断的通过新的已经转型的人的加入，和不断的内部培训来转化，当最后只剩下1/5左右的人仍然转型较慢时，直接把他们裁掉。这个方式可以大幅缩短整个团队转型的周期，但这不是一般组织能够接受的方式。
直接采用新的技术方案建立一个B team，整个都比较顺畅的跑通后，再把旧的A team整个裁掉也是个方式，能转岗的转岗。之前游戏领域对于生图方面有过类似的事件，不过这对于很多非项目制的公司很难。
风险管理与质量控制
剩下一个大家关注的地方是风险控制。
首先代码或者环境误删的问题确实存在，不过大部分时候还好，开发人员养成使用git的习惯的话，误删风险并不高，以及这方面随着AI Coding工具的完善会进一步降低。
另外对于代码质量方面，AI Coding归根结底还是工具，在强质量要求的场景，代码的review仍然需要人来做最终的把关。但并不是只能靠人来review，实际上很多前沿模型自己review和修bug的能力比人在效率上高得多，只是目前还需要使用者手动来触发review，AI Coding工具目前的自己自主重新review并不足够。
交流与合作
如果希望和我交流讨论，或参与相关的讨论群，或者建立合作，请加微信，联系方式请点击 -> 专栏简介 及 联系方式 2024。
本文于2025.9.19 首发于微信公众号
