Bain报告：生成式AI在软件开发中仅带来10%-15% productivity增益，全流程整合才是关键

生成式AI曾被视为提升软件开发效率的“利器”，但近期Bain & Company与非盈利研究机构Model Evaluation and Threat Research（METR）的研究却揭示了现实局限性——尽管三分之二的软件企业已推出生成式AI工具，开发者实际使用率极低，且productivity增益仅为10%至15%。更关键的是，AI编程工具反而拖慢工作节奏：开发者需额外花时间检查、修正AI生成的错误，原本节省的时间并未转化为更高价值的工作。

图片来源：AI生成，图像授权服务商Midjourney

Bain报告深入剖析核心原因：早期AI应用过度聚焦“加速代码编写”，但代码撰写与测试仅占软件开发全流程的25%至35%。单纯提升这一环节效率，无法缩短产品上市周期。报告强调，生成式AI的真正价值应体现在覆盖软件开发全生命周期——从需求挖掘、规划设计到测试、部署与维护的每一步，而非局限于单一阶段。

目前行业出现“自主AI”新兴概念：与过去“智能助手”定位不同，自主AI有望在极少人工干预下管理开发多步骤。例如Cognition公司的Devin，被宣传为能按自然语言指令构建完整应用的AI“软件工程师”，但此前测试表现不佳——20项任务仅成功3项，仍需技术突破。

企业落地生成式AI还面临多重阻碍：一是顶层领导缺乏清晰方向，项目易停滞；二是部分工程师对AI信任不足，担心削弱自身价值。三分之二企业表示，“说服员工改变工作方式”是最具挑战的环节。

要释放生成式AI价值，Bain给出明确路径：企业需彻底重构软件开发流程，将AI无缝整合至每个阶段。只有当企业 leadership设定清晰目标并确保投资回报时，才能将AI效率潜力转化为实际收益——这是从“用AI”到“用好AI”的关键转折。