在软件开发行业中，生成式 AI 曾被视为提升效率的突破口，然而最近贝恩公司发布的一份技术报告却揭示了其实际效果的局限性。
报告显示，虽然已有约三分之二的软件企业推出了生成式 AI 工具，但开发者对这些工具的采纳程度普遍偏低。即便有团队在使用，所反馈的生产力增长也仅维持在10%至15%之间。
更值得注意的是，非营利研究机构模型评估与威胁研究（METR）的研究发现，AI 编程助手反而可能拖慢开发进度。原因在于程序员需要额外投入时间去审查和修复 AI 输出的错误代码。这意味着原本预期的时间节省并未转化为更具战略意义的工作成果。
贝恩分析指出，当前大多数 AI 应用聚焦于加快编码环节，而编写与测试代码在整个开发周期中仅占25%到35%。因此，单点优化难以显著缩短产品交付周期。真正的突破点或许在于将生成式 AI 贯穿整个开发生命周期——从需求挖掘、系统设计，到后期的测试、上线及运维等环节。
报告还提到了一个正在兴起的趋势：“自主 AI”。相较于过去作为辅助角色的智能编程助手，新一代自主 AI 有望在极少人工干预的情况下，独立完成多个开发步骤。
例如，Cognition 公司推出的 Devin 被宣传为能通过自然语言指令构建完整应用的 AI“工程师”。但此前测试结果显示，Devin 在20项任务中仅成功完成了3项，表现远未达到预期。
同时，企业在引入生成式 AI 的过程中仍面临诸多挑战。一方面，缺乏高层清晰的战略指引导致项目推进缓慢；另一方面，部分工程师对 AI 技术心存疑虑，担忧其会替代人力或降低自身价值。超过六成的企业表示，最难的部分是推动员工改变既有的工作模式。
为此，贝恩建议，若想真正释放生成式 AI 的潜力，企业必须重构现有的开发流程，实现 AI 与各阶段工作的深度融合。唯有在管理层设定明确目标并持续追踪投资回报的前提下，才能让这项技术发挥应有的价值。
