一个反直觉的现象

几乎所有用过 AI 编程助手的人都有同一种体感：写代码变快了。补全、生成样板、写测试、解释报错，AI 确实把这些动作压缩到了几秒钟。

但如果你把视角从"某个开发者的一天"拉高到"一个企业级项目的一个季度"，画面往往完全不同：需求交付周期没怎么缩短，缺陷率没有明显下降，发布节奏还是被评审、联调、合规、环境问题卡着。

这就是所谓的"生产力幻觉"——局部效率的提升，被系统性的摩擦吃掉了。

幻觉一：写代码只占交付时间的一小部分

在很多成熟团队里，真正敲代码的时间可能只占整个交付周期的 20% 到 30%。剩下的时间花在哪？

• 需求澄清与反复确认
• 跨团队接口对齐
• 代码评审与安全审查
• 等待测试环境和数据
• 上线审批与灰度观察

AI 把 30% 里的编码环节提速 40%，对整体周期的贡献可能只有个位数百分比。这不是 AI 没用，而是你优化的不是瓶颈。

幻觉二：生成得越快，评审负担越重

AI 生成代码的成本极低，但评审成本并没有同步下降。一份 800 行的 AI 生成 PR，评审者依然要逐行理解逻辑、判断边界条件、检查是否符合内部规范。

结果就是：代码供给增加了，评审带宽没变。团队很快会看到 PR 队列变长、评审质量下降，甚至出现"看起来对就合并"的松懈。长期看，这会转化为更高的线上故障率。