学习笔记：团队使用AI编程提效不及预期的原因
AI编程已经在很多企业广泛应用，但写代码毕竟只是软件工程中的一部分，让AI编程应用在整个软件开发工程中，究竟能实现多大的提效，以及为何不及预期？
B站up主“人月聊IT”近期总结了其所在公司2026年至今团队化应用AI编程的应用情况，分析了为何提效不及预期（有些项目提效只有70%多，而非几倍）的原因，以及如何实现3-5倍的提效思路。
团队使用AI编程没有达到预期提效，核心有3个原因：
1.通过Harness工程等对AI编程加强了各种安全和质量控制后，AI编程本身变成了一个相当耗时的工作，且由于大部分人没办法多项目轮流并行指挥AI开发（一般人并行处理2个项目已经不错了），于是很多开发人员的时间变成了在等待AI输出的摸鱼，导致整体项目的效率提升并不显著。
2.团队管理模式没有改变。如果团队还是按传统开发模式配备需求、产品经理、架构、编码、测试等岗位，新项目中仍然会涉及到多岗位协同，这个过程要花费不少的时间，由此用了AI提升也会相当有限。
3.对业务需求不熟悉。很多项目中有大量时间消耗在需求的对齐、梳理和确认，编程相比之下时间占比并不多，因此提效也就有限。例如公司一个实际项目花费3周多，其中AI编程不到1周，剩余大量时间花在需求沟通和确认。
公司团队的实际项目上，针对一个新业务域，使用新开发语言，最终的效率提升相对于传统软件工程模式只有70%多。
如果以上问题能够解决，对于熟悉的行业和业务域，哪怕是开发全新的系统，如果能快速完成精准化的需求定义，然后推动AI去输出相关的内容，最后项目层面可以带来3-5倍的效率提升。
总结而言，AI编程提效核心不是用什么大模型、harness工程，更核心有2点，一是团队组织架构有没有变动。，二是程序员对业务需求熟不熟，能不能快速梳理和精确定义软件需求。如果以上两点都能做到，数倍的效率提升可以期待。
