AI写代码、AI修Bug,研发管理平台还在等人填工时?

简介: 过去两年,研发管理平台领域最热闹的讨论几乎都围绕 AI 编码工具展开:代码补全、Agent 自动修 Bug、PR 自动审查,几乎每个月都有新能力上线。研发团队确实在变快。但有一组数据始终没有被真正认真对待。快手 AI Coding 负责人李京在 AICon 上海 2026 的演讲《从个人提效到组织生产力提升:快手 AI Coding 演进实践》(2026 年 6 月)中披露:在 10000+ 研发人员的组织里,AI 代码生成率从 0 做到 30%+,83% 的研发人员开始使用 AI 工具,个人体感提效 20%–40%,需求交付效率却没有得到相应幅度的提升。

过去两年,研发管理平台领域最热闹的讨论几乎都围绕 AI 编码工具展开:代码补全、Agent 自动修 Bug、PR 自动审查,几乎每个月都有新能力上线。研发团队确实在变快。

但有一组数据始终没有被真正认真对待。快手 AI Coding 负责人李京在 AICon 上海 2026 的演讲《从个人提效到组织生产力提升:快手 AI Coding 演进实践》(2026 年 6 月)中披露:在 10000+ 研发人员的组织里,AI 代码生成率从 0 做到 30%+,83% 的研发人员开始使用 AI 工具,个人体感提效 20%–40%,需求交付效率却没有得到相应幅度的提升。快手技术团队在 InfoQ 长文《3 年、1 万人,快手技术团队首次系统披露 AI 研发范式升级历程》(2026 年 2 月)中,也系统复盘了这一“数据悖论”。

个人快了,组织没快。这中间的落差,恰恰是传统研发管理平台最没准备好的地方。

落差从哪里来?要回答这个问题,需要先看研发管理平台当前依赖的核心度量体系出了什么问题。

一、工时数据正在失效,但很多团队没意识到

研发管理平台的核心度量单元一直是工时。需求拆解到人,人按天或小时填报,平台汇总成项目人力成本、迭代投入、资源利用率。这套逻辑运行了十几年,前提是“人的工作时间等于项目推进量”。

AI正在拆掉这个前提。

Harness《2026年工程卓越状态报告》(State of Engineering Excellence 2026)调查了美、英、法、德、印五国 700 名工程从业者与管理者:开发者每天约 31% 的时间,消耗在“与 AI 相关、但现有度量体系不追踪”的隐性工作上。按五天工作制折算,相当于每人每周约 1.5 个工作日。这些时间发生在哪里?

  • 在AI生成代码和人工验证之间的等待里
  • 在评审队列的拥堵里
  • 在反复确认AI改动是否引入回归的排查里

这些环节消耗的是真实的人力,但传统工时填报里没有它们的位置。

同一项调查给出了更具体的数字:

94%的受访者表示技术债、验证时间和开发者疲劳没有被现有生产力指标追踪。其中,将“审查AI代码准确性”列为最大摩擦来源的受访者占比为53%,将“修复AI引入的隐性Bug”列为最大摩擦来源的受访者占比为52%。

这三个数字的口径并不相同:94% 回答的是“哪些因素未被现有指标追踪”,53% 和 52% 回答的是“AI 在哪些环节造成最大摩擦”,它们都是选择该项的受访者占比,而不是该项工作占总工时的比例。完整口径见下表。

研发管理平台看到的是“这个人这个迭代填了80小时”,看不到的是这80小时里有多少被消耗在AI产出的验证上。

数据失真已经发生,但大多数团队还在用它做决策。问题不是填报的人不认真,而是整个度量框架的假设不再成立。

数据来源与统计口径对照

表述 原始口径 统计性质 来源
每天31%时间(≈每周近一个工作日) 开发者日均时间占比,团队平均值 时间占比 Harness《2026年工程卓越状态报告》,700名受访者
94% 认为技术债/验证时间/疲劳未被追踪的受访者比例 受访者占比 同上
53% 将“审查AI代码准确性”列为最大摩擦来源的受访者比例 受访者占比 同上
52% 将“修复AI隐性Bug”列为最大摩擦来源的受访者比例 受访者占比 同上
38% 组织实际追踪AI代码审查时间的受访者比例 受访者占比 同上

补充佐证:Sonar《2026年代码开发者调查》(1,100+专业开发者)显示,96%的开发者不完全信任AI生成代码的功能正确性,但仅48%在提交前始终验证。两组数据交叉印证了同一趋势:AI产出在增加,验证负担在累积,而度量体系没有跟上。

二、三个结构性原因,让工时越填越不准

工时数据失真不是一个新问题,但AI让它从“略有偏差”变成了“系统性失效”。要理解为什么,需要看三个结构性原因。

原因一:AI的时间感知与人的计时不在一个尺度上

有研究指出,编码Agent以人类时间估算任务耗时,以机器时间执行,两者之间的差距达到一到三个数量级。

开发者让AI生成一段代码,等待几十秒到几分钟,然后花半小时到两小时验证这段代码是否真正正确。填报工时时,开发者记的是“这个任务我做了两小时”,不会去拆解其中几分钟是AI执行、多少分钟是人工验证。

但验证那部分恰恰是新的瓶颈所在。快手团队也观察到:

“AI可以在几分钟内生成代码,但验证这些代码是否正确、是否符合业务需求,往往需要几个小时甚至更长时间,AI生成和人工验证之间存在明显的速度不对称。”

原因二:估算基线已经不可用

传统工时估算依赖历史数据:类似复杂度的任务上次花几天,这次参照报数。

AI让“写新代码”提速3—5倍(BCG Platinion《The Agentic Software Factory》,2026.3),但Sprint其他环节耗时几乎没变;编码只占交付链路一小段,大量时间耗在队列与交接(Builder.io,2026.6)。GitLab 2026年调查(1,528名开发者/技术买家)显示,78%受访者认为AI后编码提交变快,但整体交付节奏未见改善;91%组织同时使用两种以上AI编码工具,仅60%认为AI编码ROI超预期。

这里要区分两个口径:78% 是“认为编码变快”的受访者占比,不等于“高复杂度任务的实际耗时降到了预期的 25%”。

更能说明问题的是 METR 2025 的一项随机对照实验:16 名资深开发者在他们熟悉的代码库中完成任务,事前预估能提速约 25%,实际耗时反而增加了 19%。样本不大,也不能直接外推到普通团队——但它指向的判断很清楚:在熟悉代码库的资深开发者身上,AI 都可能出现“预期提速、实际变慢”的反转,那么过去积累的估算基线就更没有理由继续照用。

因此,过去积累的工时估算基线,在AI深度参与的任务中已失去参照价值;管理者拿到的估算数字,与实际推进量的对应关系越来越模糊。

原因三:工时填报的颗粒度与AI工作流的节奏不匹配

传统的工时填报以“半天”或“小时”为单位,适配的是开发者连续投入一段时间的线性工作模式。

但AI参与后的工作流变得高度交错:写一段提示词、等AI输出、检查、修正提示词、再检查。这种碎片化、高频切换的工作方式,很难用传统的工时块去准确描述。

填报变成了一种事后回忆和大致估算,数据的可信度自然下降。

三个原因指向同一个结论:工时作为一个度量指标,已经无法准确反映AI参与后的实际工作流。 继续围绕它做报表和分析,产出的结论只会离真实越来越远。

三、研发管理平台需要换一套度量对象

需要改变的是度量对象本身。

从“人花了多少时间”转向“工作流中哪个环节在阻塞交付”。

评估AI引入后的研发效能时,应当关注的是:

  • AI生成的代码有多少比例需要人工返工?
  • PR从提交到完成评审的平均耗时是否在增长?
  • 同一个迭代中,用于修复AI引入问题的时间占比是多少?

这些指标的共同特点是,它们衡量的是端到端交付系统的运行质量,不依赖于个人对工时的回溯性填报。

DevData 2026 的基准报告里更值得看的,不是具体数值,而是它换了度量单位:从“人月”换成了“代码当量/人月”和“需求交付周期”。这两个单位都直接从交付结果里取,不依赖任何人的回溯性填报。

四、一体化平台在AI度量上的优势

度量对象迁移到工作流之后,数据来源的问题浮了出来:评审耗时、返工率、验证周期分别落在代码托管、CI/CD 和项目管理系统里。有数据团队的可以自建采集与关联,中小团队通常没有这份人力——如果每次统计都要三个人对一周的报表,这套度量撑不过两个迭代。

这里有一条判断标准:看这些指标是不是流程的副产品。如果取数必须发生在流程运行之外,它一定会逐渐停摆;如果它天然产生在流程里,才能持续。

这也是为什么在AI编码时代,代码托管引擎与项目管理平台的集成深度变得比以往更重要。

以禅道DevOps 4.0依托的GitFox代码托管引擎为例,它将代码评审链路与禅道的需求、任务、缺陷数据放在同一底座上。GitFox的效能度量看板支持按代码库、用户、日期维度展示提交量、评审耗时、问题数等微观指标,并从这些指标定位具体的效能短板。

评审耗时这个指标的价值在于,它直接反映了AI生成代码后人工验证环节的实际负载——而这个负载,正是传统工时数据最容易遗漏的部分。

一体化底座的另一个作用是让AI辅助能力本身也成为流程的一部分。禅道DevOps后续计划承载的AI代码评审和辅助编程能力,如果与需求管理和缺陷追踪在同一平台上运行,AI产出的代码从生成、评审到修复的完整链路就有了可追溯的数据基础,度量的颗粒度不再受限于人的填报行为。

一体化平台的价值在于让新指标的采集成为流程的副产品,而不是额外的管理负担。

五、给技术管理者的行动建议

AI编码工具的普及速度远快于研发管理体系的调整速度。很多团队已经在用AI写代码,但管理方式还停留在“等人填工时”的阶段。

短期可以做的调整有三件事。

第一,把评审耗时纳入迭代复盘的核心指标

不依赖开发者填报,从代码托管平台的PR数据中自动提取。观察这个指标在AI工具上线前后的变化趋势,它会直接告诉你瓶颈转移到了哪里。

第二,对AI参与的任务做单独标记

在任务管理系统中增加一个字段,记录该任务中AI生成代码的比例区间。积累几个迭代的数据后,就能判断哪些类型的任务适合深度使用AI、哪些类型的人工验证成本过高。

第三,重新审视工时填报的意义

如果工时数据的主要用途是核算人力成本,可以保留,但不要用它来评估AI带来的效能变化。效能评估需要独立的指标集,且这个指标集应该以工作流数据为基础,而非填报数据。

更长期来看,研发管理平台的选型标准需要纳入一项新要求:它能否从代码提交到交付的完整链路中,自动采集和分析关键节点的耗时与质量数据。

在AI深度参与研发的背景下,管理平台如果只能看到“人填了什么”,看不到“系统实际发生了什么”,它提供的数据只会越来越偏离决策所需要的事实基础。

相关文章
|
24天前
|
数据采集 人工智能 搜索推荐
2026年GEO科普:GEO与SEO到底什么关系,并存还是替代
GEO 和 SEO 到底什么关系?这是几乎每个刚接触 GEO 的人都会问的问题。有人觉得 GEO 是 SEO 的升级版,老的可以丢了;有人觉得两者完全不是一回事,得彻底分开做。这两种极端,都不够准确。
|
1月前
|
监控 安全 网络安全
等保 2.0 到底是个啥?开发者版人话解读
等保 2.0 是标准版本号不是安全级别,很多人连这都搞混。本文用人话拆解等保定级备案五步流程、二级三级测评周期、云上责任共担最容易踩的坑,再给出测评机构最爱抠分的五个技术自查项:日志留存、弱口令、安全审计、边界防护、集中管控。测评前先模拟考,返工费能省一大笔。
306 2
|
2月前
|
人工智能 监控 API
不仅是盘点:2026数据治理工具推荐,背后的技术架构演进分析
2026年,数据治理正从“工具拼凑”迈向“操作系统”范式:以阿里云Dataphin为样本,呈现流批一体、AI原生、语义驱动的架构跃迁——治理能力深度嵌入研发全流程,Data Agent实现目标驱动自治,语义知识图谱支撑大模型直接调用,真正成为可计量、可运营、可被AI消费的数据基础设施。
|
24天前
|
人工智能 前端开发 安全
WordPress 联系表单收不到询盘、进垃圾箱、被机器人刷:按这个顺序排查
现象看着都像「表单坏了」,其实是四层完全不同的故障。顺序搞反,就会一直在改模板,而问题在发信域。 下面按这个顺序走,每一步都能单独验证,不要跳步。
|
25天前
|
弹性计算 关系型数据库 对象存储
校园外卖案例怎样核验?用材料范围和有效期阻止演示结论越界
核验校园外卖案例,可从官方项目入口找线索,再核对获准材料的主体、版本、期间和支持范围。常见故障是系统把未过期的演示材料直接标成“当前经营已证明”。下面用完整校验函数区分字节一致、范围匹配与进入人工核验的资格,保留真实性判断边界。
58 1
|
2月前
|
数据采集 人工智能 运维
2026年企业建设数据治理系统费用预算编制全指南
2026年,数据治理进入“如何做才划算”阶段。本文以阿里云Dataphin为样本,拆解软件、实施、运维等六类成本,揭示隐性支出占比近50%;提出三阶段预算框架与ROI评估方法,助企业科学编制3年期预算,避免中期资金断裂。
|
5天前
|
人工智能 前端开发 Devops
从 Selenium 到 AI 智能体:2026 年自动化测试工具全景盘点
盘点2026年自动化测试工具全景:对比Selenium、Playwright、Cypress等开源框架,GitFox、Katalon、Mabl等低代码/一站式平台,以及AI测试智能体的能力与局限,并给出按团队能力、迭代节奏和业务规模选型的建议。
|
1月前
|
JavaScript API 数据处理
米米商聊免打扰功能拆解:消息接收、提醒规则与 @ 例外
本文解析米米商聊“免打扰”本质:消息照常接收,仅抑制提醒;群内@可设例外触发提醒。通过JS示例厘清消息到达、应用规则、系统通知三层边界,助产品与开发者精准定位问题。(239字)
|
2月前
|
存储 物联网 测试技术
RFID资产盘点系统的性能压测与容量规划
本文直击RFID项目上线后性能衰减痛点,系统阐述如何以工程化思维构建高可用系统:科学定义SLO、分层定位瓶颈(空口/设备/平台)、基于资产规模精准估算容量,并实施场景化分层压测。强调“去重聚合下沉边侧”等关键实践,助项目摆脱“POC惊艳、量产崩盘”困局。
125 3
|
2月前
|
数据采集 供应链 数据处理
海关数据平台怎么用?从注册到查到目标客户的完整步骤
海关数据是各国公开的进出口“账本”,真实记录谁在买、卖什么。本平台将杂乱原始数据清洗成可直接使用的客户库,助外贸人精准定位真实买家、判断采购规模与周期,并反查同行客户。无需懂技术,3步即可完成从查数据到成交的闭环。(239字)