Skip to content

Latest

천천히 올바르게. AI Researcher & DevOps Engineer Youngju's tech blog. GPU/CUDA, LLM, MLOps, Kubernetes AI workloads, distributed training, and data engineering.

어학학습48편 표시 중
일반NEW

AI는 정말 개발자를 빠르게 만드는가 — 측정된 숫자들이 말하는 것

무작위 대조 실험 두 개가 정반대의 답을 내놓았습니다. 하나는 AI를 쓴 개발자가 55.8% 빨랐다고 했고, 다른 하나는 19% 느렸다고 했습니다. 그런데 뒤의 숫자를 낸 METR은 2026년 2월 후속 연구를 발표하면서, 2025년 결과 위에 이제는 현재를 반영하지 않는다는 경고 배너를 스스로 붙였습니다. 이야기가 사라지는 게 아니라 오히려 날카로워집니다 — 후속 실험조차 참가자 자기선택 편향에 발목이 잡혀 효과의 부호를 확정하지 못했기 때문입니다. 그리고 철회되지 않은 발견이 하나 남습니다. 19% 느려진 개발자들은 실험을 마친 뒤에도 자신이 20% 빨라졌다고 믿었습니다. 이 글은 METR의 2025년 원 결과와 2026년 갱신, GitHub Copilot RCT, DORA, 스택오버플로 설문을 근거로, 왜 AI 생산성은 전문가조차 깨끗하게 측정하지 못하는지, 그렇다면 당신은 무엇을 해야 하는지 정리합니다.

일반NEW

AI 真的让开发者更快了吗 — 被测量出来的数字说了什么

两项随机对照试验给出了截然相反的答案。一项说用了 AI 的开发者快了 55.8%,另一项说慢了 19%。可是给出后一个数字的 METR,在 2026 年 2 月发布后续研究的同时,亲手在 2025 年的结果上挂起了一条警告横幅:它已经不再反映当下 AI 模型的影响。故事并没有就此消失,反而变得更锋利 — 因为连后续实验都被参与者的自我选择偏差绊住,无法确定效应的符号。而且有一项发现始终没有被撤回:那些慢了 19% 的开发者,在做完实验之后,依然相信自己快了 20%。本文以 METR 2025 年的原始结果与 2026 年的更新、GitHub Copilot 的 RCT、DORA 和 Stack Overflow 调查为依据,梳理为什么 AI 生产力连专家都测不干净,以及在这种情况下你该做什么。