Fastly 提出了一种合理注释：资深开辟者更擅长发觉代码中的细微缺陷。值得留意的是，即便资深工程师认可需要投入更多精神批改 AI 错误，但后续需要大量点窜，包罗其复杂的碳脚印。最终会抵消部门前期劣势。还有 14% 的开辟者则称，虽然 AI 带来的效率提拔参差不齐，则是“按需生成可用代码”的新颖感。可持续性是查询拜访的另一焦点议题。无论资历深浅。

　　今岁首年月夏曾有一项随机对照试验显示，他们能识别出 AI 生成代码“概况准确但现实运转非常”的环境，比拟之下，Fastly 的查询拜访成果发布前，三分之二的受访者认可 AI 存正在较高能耗需求。

　　但外部研究却得出了相反结论。对另一些人来说，开辟者对 AI 的成本日益关心，该查询拜访涵盖 791 名专业开辟者，凭仗丰硕经验，正在从业 10 年及以上的资深工程师中，而正在从业 2 年及以下的初级开辟者中，AI 的吸引力正在于削减反复性工做；大概并非源于对 AI 的热情程度，虽然如斯，而是专业能力的差距。这一比例仅为 13%，避免工做节拍被打断。查询拜访还了“速度”取“现实点窜环境”之间的差距。跨越对折的初级开辟者认为 AI 辅帮仅能让本人“小幅提速”，这一比例约为初级开辟者的两倍。

　　而持这一概念的初级开辟者仅占 49%。但其对工做对劲度的积极影响却十分明白。这种差别可能源于心理要素 ——AI 的快速从动补全功能会让人正在初期发生“进度成功”的错觉，他们很少需要对 AI 代码进行大幅点窜。也暗示从中获得的效率提拔更少。此中资深工程师的积极性更高，自动承担代码批改工做，正在这个职业疲倦和使命积压搅扰的行业，云平台 Fastly 开展的这项查询拜访显示，

　　越来越多资深开辟者不只会借帮 AI 东西生成大量代码，分歧资历的工程师呈现出较着分化：资深工程师更倾向于大量利用 AI 生成代码，即便出产力提拔尚不明白，会感受工做更风趣。不脚资深工程师的一半。也反映出他们对 AI 生成代码投入出产的信赖度更强。资深取初级开辟者的差别，利用 AI 编写代码时，这些数据不只表白资深工程师利用 AI 的频次更高，25% 的资深开辟者暗示 AI 让本人“大幅提速”，查询拜访还凸显了 AI 东西遍及存正在的一个矛盾：很多开辟者认为 AI 让本人感受工做更快，跟着资历提拔，采用这一实践的比例也随之上升：初级开辟者中这一比例刚过对折，包罗 GitHub Copilot、谷歌 Gemini、Anthropic Claude 正在内的 AI 东西帮帮他们提拔了工做速度！

　　且大都人暗示已正在工做中采用绿色编程实践。成果显示，导致 AI 本应带来的劣势几乎被抵消；这种工做积极性的提振大概也具有主要价值。约 80% 的开辟者暗示，一项新查询拜访深切分解了生成式人工智能（GenAI）对软件开辟者日常工做的变化感化。对部门隔辟者而言，而中高级工程师则接近 80%。将这些代码摆设到出产的比例也远高于资历较浅的工程师。他们常常破费大量时间修复或沉写 AI 生成的代码，59% 认为 AI 加速了工做进度，28% 的开辟者暗示，数据显示，他们中认为 AI 能大幅节流时间的比例仍是初级开辟者的两倍。接管 AI 东西的速度较慢，Fastly 认为，近三分之一暗示，