Stack Overflow数据揭示"几乎正确"的AI代码带来隐性生产力负担

越来越多的开发者正在使用AI工具来辅助和生成代码。

随着企业AI应用加速普及，Stack Overflow 2025年开发者调查的新数据暴露了一个关键盲点：生成"几乎正确"解决方案的AI工具正在产生越来越多的技术债务，这可能会削弱它们承诺提供的生产力收益。

Stack Overflow的年度开发者调查是每年规模最大的此类报告之一。2024年的报告发现，开发者并不担心AI会夺走他们的工作。有些讽刺的是，Stack Overflow最初受到生成式AI增长的负面影响，在2023年出现了流量下降和裁员的情况。

这项涵盖177个国家超过49,000名开发者的2025年调查揭示了企业AI应用中一个令人担忧的悖论。AI使用率持续攀升——现在84%的开发者使用或计划使用AI工具，比2024年的76%有所上升。然而，对这些工具的信任度却大幅下降。

"最令人惊讶的发现之一是，与往年相比，开发者对AI的偏好发生了显著变化。虽然大多数开发者使用AI，但他们今年对AI的喜爱程度和信任度都有所下降，"Stack Overflow市场研究与洞察高级分析师Erin Yepis告诉VentureBeat。"这个结果令人惊讶，因为考虑到对AI的大量投资以及科技新闻中对AI的关注，我原本期望随着技术的改进，信任度会增长。"

数字说明了一切。2025年只有33%的开发者信任AI的准确性，比2024年的43%和2023年的42%都有所下降。AI好感度从2023年的77%下降到2024年的72%，今年仅为60%。

但调查数据揭示了技术决策者更紧迫的担忧。开发者将"几乎正确但不完全正确的AI解决方案"列为他们最大的挫折——66%的人报告了这个问题。同时，45%的人表示调试AI生成的代码比预期花费更多时间。AI工具承诺提高生产力，但实际上可能创造了新的技术债务类别。

"几乎正确"现象扰乱开发者工作流程

AI工具不仅仅产生明显有问题的代码。它们生成看似合理的解决方案，但需要开发者大量干预才能投入生产使用。这创造了一个特别隐蔽的生产力问题。

"AI工具似乎普遍承诺节省时间和提高生产力，但开发者正在花时间处理AI在工作流程中造成的意外故障，"Yepis解释道。"大多数开发者说AI工具无法解决复杂性，今年只有29%的人认为AI工具能处理复杂问题，比去年的35%有所下降。"

与开发者快速识别和丢弃的明显有问题的代码不同，"几乎正确"的解决方案需要仔细分析。开发者必须理解哪里出错了以及如何修复。许多人报告说，从头编写代码比调试和修正AI生成的解决方案更快。

工作流程中断不仅限于个别编码任务。调查发现54%的开发者使用六个或更多工具来完成他们的工作。这为本已复杂的开发过程增加了上下文切换的开销。

企业治理框架落后于应用普及

快速的AI应用普及超越了企业治理能力。组织现在面临他们尚未完全解决的潜在安全和技术债务风险。

"感性编码需要对AI输出更高水平的信任，为了更快的周转而牺牲了代码的信心和潜在安全考虑，"Stack Overflow工程高级总监Ben Matthews告诉VentureBeat。

开发者在专业工作中基本上拒绝感性编码，77%的人指出这不是他们专业开发过程的一部分。然而调查揭示了企业在管理AI生成代码质量方面的差距。

Matthews警告说，由大语言模型驱动的AI编码工具可能且确实会产生错误。他指出，虽然知识渊博的开发者能够识别和测试有漏洞的代码，但大语言模型有时甚至无法发现它们可能产生的任何错误。

安全风险加剧了这些质量问题。调查数据显示，当开发者仍然转向人类寻求编码帮助时，61.7%的人将"对代码的伦理或安全担忧"作为关键原因。这表明AI工具在数据访问、性能和安全方面引入了集成挑战，组织仍在学习如何管理。

开发者仍在使用Stack Overflow和其他人类专业知识来源

尽管信任度下降，开发者并没有放弃AI工具。他们正在开发更复杂的策略将这些工具集成到工作流程中。调查显示69%的开发者在过去一年中花时间学习新的编码技术或编程语言。其中44%使用AI工具进行学习，比2024年的37%有所上升。

即使感性编码和AI兴起，调查数据显示开发者与人类专业知识和社区资源保持着强有力的联系。Stack Overflow仍然是使用率最高的社区平台，达到84%。GitHub以67%紧随其后，YouTube为61%。最具说服力的是，89%的开发者每月多次访问Stack Overflow。其中35%的人在遇到AI响应问题后专门转向该平台。

"虽然我们看到流量有所下降，但绝不像一些人所说的那样戏剧性，"首席产品与技术官Jody Bailey告诉VentureBeat。

也就是说，Bailey确实承认时代在变化，用户的日常需求与16年前Stack Overflow刚起步时不同了。他指出，没有一个网站或公司没有看到用户来源或他们现在如何与生成式AI工具互动的变化。这种变化促使Stack Overflow批判性地重新评估如何在现代数字时代衡量成功。

"互联网和更广泛的技术生态系统的未来活力将不再仅仅由90年代或21世纪初概述的成功指标来定义，"Bailey说。"相反，重点越来越多地放在数据的质量、信息的可靠性，以及专家社区和个人在精心创建、分享和策划知识方面发挥的极其重要的作用上。"

技术决策者的战略建议

Stack Overflow的数据为评估AI开发工具的企业团队提供了几个关键考虑因素。

投资调试和代码审查能力：由于45%的开发者报告AI代码的调试时间增加，组织需要更强的代码审查流程。他们需要专门为AI生成解决方案设计的调试工具。

维护人类专业知识管道：对社区平台和人类咨询的持续依赖表明，AI工具放大而不是取代对经验丰富开发者的需求。这些专家可以识别和纠正AI生成代码的问题。

实施分阶段AI应用：成功的AI应用需要与现有工具和流程的仔细集成，而不是开发工作流程的批发替换。这允许开发者利用AI优势，同时减轻"几乎正确"解决方案的风险。

专注于AI工具素养：每天使用AI工具的开发者显示88%的好感度，而每周使用者为64%。这表明适当的培训和集成策略显著影响结果。

对于希望在AI驱动开发中领先的企业，这些数据表明竞争优势不会来自AI应用速度，而是来自开发AI-人类工作流程集成和AI生成代码质量管理的卓越能力。

解决"几乎正确"问题、将AI工具转变为可靠的生产力倍增器而不是技术债务来源的组织，将在开发速度和代码质量方面获得显著优势。