有一句老話在管理領域中流傳：你衡量什麼，就會得到什麼。通常情況下，你會得到更多你所衡量的東西。軟體工程師們已經討論了數十年的生產力指標，從最初的程式碼行數開始。但隨著新一代的 AI 程式碼代理產生的程式碼比以往更多，他們的經理到底應該衡量什麼，就變得不太清楚了。巨大的 token 預算——也就是開發者被允許使用的 AI 處理能力數量——已經成為矽谷開發者之間的榮譽標誌，但這是一種非常奇怪的生產力觀念。當你更關心輸出時，衡量過程中的輸入毫無意義。如果你是想要鼓勵更多 AI 的採用（或賣 token），這或許有道理，但如果你是想要變得更有效率，那就不太對了。
考慮來自一個新興的公司類別所提供的證據，這些公司專注於「開發者生產力洞察」領域。他們發現，使用像 Claude Code、Cursor 和 Codex 這類工具的開發者，產生的被接受的程式碼比以前更多。但他們也發現，工程師必須回頭修改這些被接受的程式碼的次數遠高於以往，這削弱了生產力提高的聲稱。
Waydev 的創辦人兼首席執行官 Alex Circei 正在建立一個智能層，用來追蹤這些動態；他的公司與 50 個不同客戶合作，這些客戶合計雇用了超過 10,000 名軟體工程師。（Circei 過去曾為 TechCrunch 提供過報導，但這位記者之前從未與他見過面。）他表示，工程經理看到的程式碼被接受率為 80% 到 90% —— 這意味著開發者批准並保留的 AI 產生程式碼的比例 —— 但他們忽略了當工程師必須在接下來的幾週內修改這些程式碼時所產生的變動，這會導致實際的接受率下降至生成程式碼的 10% 到 30%。
隨著 AI 程式碼工具的興起，Waydev 這家自 2017 年成立、專門提供開發者分析的公司，在過去六個月內徹底重構了其平台，以應對快速程式碼工具的興起。現在，這家公司正在推出新的工具，用來追蹤 AI 代理產生的元數據，提供有關程式碼品質與成本的分析，讓工程經理能更深入了解 AI 的採用情況與實際效果。
雖然分析公司有動機去強調他們發現的問題，但證據顯示，大型組織仍在摸索如何有效地使用 AI 工具。大型公司已經注意到這一點 —— Atlassian 在去年以十億美元收購了另一家工程智能創業公司 DX，以幫助其客戶了解使用程式碼代理的投資回報率。
來自整個產業的數據告訴一個一致的故事：寫出的程式碼越來越多，但其中不成比例的數量並未被保留。另一家名為 GitClear 的公司於一月發表了一份報告，發現 AI 工具提高了生產力，但也指出其數據顯示「常規 AI 使用者平均產生的程式碼變動量是其非 AI 對應者的 9.4 倍」——這遠遠超過工具所提供的生產力提升。
Faros AI 這家工程分析平台根據兩年的客戶數據發表了 2026 年三月的報告。研究結果顯示：在高 AI 採用的情況下，程式碼變動量——刪除的程式碼行數與新增的程式碼行數——增加了 861%。
Jellyfish 自稱為一個整合 AI 的工程智能平台，於 2026 年第一季收集了 7,548 名工程師的數據。該公司發現，擁有最大 token 預算的工程師產生的 pull requests（對共享程式碼庫的建議修改）最多，但生產力的提升並未隨之擴張。他們在 token 花費增加十倍的情況下，僅達到兩倍的處理能力。
換句話說，這些工具產生的是數量，而不是價值。
這些數據在與開發者對話時也顯得真實。開發者發現，雖然他們享受新工具帶來的自由，但程式碼審查與技術債務卻不斷累積。一個常見的發現是資深與新進工程師之間的差異，後者接受更多 AI 產生的程式碼，也因此必須進行更多重寫。
然而，即使開發者努力理解他們的代理到底在做什麼，他們也不預期會 anytime soon 放棄這些工具。Circei 對 TechCrunch 表示：「這是一個軟體開發的新時代，你必須適應，而且作為一家公司，你被強迫去適應。」他說：「這不會是一個會過去的週期。」