程式開發智能體交付了什麼,企業需要重新算帳
麥肯錫與 Cognition 的新合作聚焦可衡量的成果。企業需要解釋的是,新增程式碼如何變成通過驗收的工作。

11 月 16 日,麥肯錫與 Cognition 宣布合作,計畫結合 Devin 程式開發智能體與企業轉型服務,協助客戶擴大軟體開發應用並衡量業務價值。合作公告
這是一項商業合作,並非已證明所有企業都能取得相同回報的實驗。它提出值得討論的問題:當生成程式碼愈來愈容易,企業如何判斷買到的是更多活動,還是更多完成的工作?下文是 Open Market Notes 的分析,不是對 Devin 實際效果的獨立測試。
一份合併請求還不是業務成果
開發工具容易留下可計數的紀錄:生成的程式碼、建立的任務、提交的修改。它們適合描述使用量,卻不能單獨說明最終價值。一段程式碼可能通過檢查後上線,也可能因需求改變而被放棄。兩者在生成階段都有活動紀錄,經濟意義卻不同。
驗收單位可以是一項邊界明確的改動,例如完成介面遷移,並符合約定的相容性與測試要求。這是假設性的管理例子,不是合作方披露的客戶案例。計量應包括任務說明、準備環境、人工審查、修改與發布後的返工。若只記智能體執行時間,就把其他參與者的成本留在帳外。
這不否定快速生成的價值,而是要求連結局部效率與整體流程。若測試環境仍要等三天,編碼節省兩小時未必讓交付提前兩小時。要判斷改進,需要知道時間節省在哪一段,以及後續環節能否接收新增工作。
舊結論與新測量困難都不能忽略
METR 對早期 2025 年工具的隨機實驗發現,參與的熟練開源開發者在允許使用 AI 時,完成任務耗時增加 19%。這是特定人員、專案與時期的結果。原始研究
2026 年 2 月,METR 說明後續實驗受到參與選擇與平行智能體計時問題影響,無法可靠估計當時的生產力效應。研究更新
兩份材料應一起讀。把舊結果直接推廣到今天的產品,忽略了工具變化;把開發者不願放棄 AI 視為已精確證明收益,也超過證據範圍。企業需要適合自身工作的觀察方法,不能用外部單一數字取代本地評估。
平行工作尤其容易誤算。工程師同時分派五項任務,不能把五個智能體的執行時間相加後當作節省人力。人可能在等待、處理別的工作,也可能面對集中到來的審查需求。經過時間、實際人工投入與最終完成量應分別記錄。
試點首先需要保留失敗的工作
團隊可以事先選定邊界清晰、風險可控的任務,保存原有工作方式與驗收要求。難度、對程式碼庫的熟悉程度及依賴條件應盡量可比。不能隨機分配時,應明確說明這是觀察性試點,不將所有差異歸因於工具。
尤其要保留未完成、返工與放棄的任務。若只有成功案例進入報告,計量已預先偏向好結果。失敗不必然證明產品無用,可能揭示不適合自動化的任務、權限不足或測試不完整。分類原因才能改善後續分派。
DORA 的 2025 年研究將 AI 描述為組織既有優勢與弱點的放大因素。研究報告 這不是每家公司必然得到某種結果的定律,但提醒管理者不能省略流程條件。明確需求、穩定測試與可執行的審查規則,本身就是被評估的一部分。
節省工時需要有去向
假設團隊節省了實作時間,回報仍有不同形式:減少加班或外包、完成先前擱置的工作,或花更多時間改善品質。它們都可能有價值,但不是相同收益,不能重複計算。
把節省工時乘以薪資,是產能估算,不自動等於現金成本降低。人員與支出不變時,企業可能獲得更多產能,而非帳單上的節省。其價值取決於之後做了什麼、客戶是否需要,以及是否增加維護責任。
評估也應納入訂閱、模型呼叫、執行環境、接入、培訓與人工監督。不一定每項都能精確分攤,但列出不確定部分仍比視為零可靠。早期試點可以提供區間與假設,再隨營運資料修正,不宜過早承諾穩定的回報倍數。
合作的檢驗延續至專案完成之後
聯盟將產品能力與實施服務放在一起,提供企業採購路徑。是否有效,需要客戶專案回答。短期看,任務應通過相同品質標準;中期看,新增產出有沒有增加故障、審查積壓或維護工作。
商業驗證不必等同於減少多少工程師。原先沒有預算推進、現在能可靠完成的專案,同樣可能產生回報。無論目標如何,都需事先定義驗收、記錄完整成本,再於一段時間後檢查結果。生成程式碼是起點,企業購買的應是能夠解釋的交付改善。
內容僅供參考,不構成投資、法律、稅務或財務建議。