TL;DR
AI Coding 讓產生程式碼、分析測試和探索方案的速度顯著改變。可是,一項軟體專案能多快交付,仍受到任務的先後順序、系統設計一致性,以及整合與驗收能力限制。Fred Brooks 在《人月神話》中討論的協調問題,因而有了新的樣貌。
近年的研究發現,AI 有時提高完成任務的數量,有時增加特定開發工作的耗時。規模更大的資料分析則顯示,程式碼活動的增幅沒有等比例出現在正式版本發行。對工程團隊而言,需要量測的是需求走到可驗收成果的整段時間,同時辨認哪些工作適合平行、哪些決策必須集中處理。
Takeaways|重點整理
- Brooks 定律有條件。 延誤的耦合型專案新增工作者,可能帶來更多溝通與整合負擔;工作能被清楚隔離且下游有容量時,增加 Agent 也可能有效。
- 平行化受關鍵路徑限制。 需求決策、共享資料契約與正式驗收無法因為同時啟動更多 Agent 就自動消失。
- 程式碼活動與正式交付必須分開計量。 commit、任務完成、測試通過、release 各自回答不同的問題。
- 多 Agent 要看工作結構。 平行研究、獨立測試與明確邊界的子任務有機會受益;高度循序的規劃或修復流程,過度拆分可能讓狀態更難維持。
- 把驗收能力納入派工決策。 若審查、整合與業務確認已經排隊,先處理瓶頸,通常比繼續增加同時工作的 Agent 更有價值。
半個世紀前的工程難題
1975 年,Fred Brooks 出版《The Mythical Man-Month》(《人月神話》)。書中最著名的觀察,是「已經延誤的軟體專案,增加人手可能讓它更晚完成」。這條經驗法則後來被稱為 Brooks' Law(Brooks 定律)。
增加人力原本很容易理解:同樣一批工作,更多人一起做,應該能更快完成。問題出在軟體專案有相依的工作。資料模型尚未定案,應用程式與測試就可能各自依不同假設實作;新人熟悉系統和既有成員解釋背景,也需要時間。
Brooks 強調的另一個觀念是 conceptual integrity(概念完整性,讓系統遵循一致的設計原則)。四個人各自寫出看似優良的模組,仍可能因介面或處理方式不一致而難以組合。Martin Fowler 在 2026 年重讀這本書時,也再次指出這項原則的長期價值。
今天的 AI Agent 省下了部分新人熟悉程式碼與重複執行工作的成本,卻仍必須理解相同的業務規則、資料契約與修改邊界。因此,Brooks 的提醒值得保留,但不能把它誤解成「新增 Agent 一定讓專案更慢」。結果取決於工作能否獨立完成,以及誰負責把它們接成同一個可用的系統。
關鍵路徑會限制加速幅度
排程中有一條特別重要的鏈,稱為 critical path(關鍵路徑,決定整個工作最早何時完成的相依步驟)。若關鍵工作必須先決定 API 契約,下一步才可進行跨模組驗證,增加十個測試 Agent 也無法代替這個決策。
平行運算裡的 Amdahl's Law(阿姆達爾定律)可以幫助理解這個界線。假設一項工作的三成必須依序處理,其餘七成能完全平行,而且沒有額外協調成本;把可平行工作交給八個執行者,理想加速比為:
理想加速比 = 1 ÷(0.30 + 0.70 ÷ 8)≈ 2.58 倍
就算有無限多個執行者,上限也只會逼近 3.33 倍。這是固定工作量、完美平行化的數學示例,並非實際 Agent 工期測試。真實專案還會受到共享環境、驗收佇列與返工影響,速度可能更快、也可能更慢,必須用自己的工作資料判斷。
它給管理者的啟示相當具體:在增設 Agent 之前,先找出限制完成日期的步驟。有些等待是單純缺乏執行能力,有些則是規格未確定、相依介面還沒整合,或者審核的人已經沒有餘裕。
AI 生產力研究為何會得到不同答案
AI 對開發速度的影響,目前沒有一個能套用到所有團隊的固定倍率。幾項研究測量的工作與成果不同,結果也不同。
| 研究與情境 | 觀察到的效果 | 應如何理解 |
|---|---|---|
| Microsoft 等三家企業,4,867 名開發者的現場隨機實驗 | 使用當時 AI 程式碼補全助手的組別,完成任務數合併估計增加 26.08% | 衡量任務完成量;不等於正式版本的工期也縮短 26% |
| METR:16 名熟悉專案的資深開源開發者,246 個任務 | 2025 年初可用的 AI 工具使完成任務的耗時平均增加 19% | 特定開源環境與工具版本的隨機實驗;不能概括成 AI 永遠使資深工程師變慢 |
| NBER:超過 50 萬名 GitHub 開發者的配對事件研究 | 自主 Coding Agent 對累積 commit 活動的估計效果約 +240%,正式 release 約 +30% | 上游活動與下游發行的增幅不同;兩種指標不可互換,也不能直接相減當作浪費比例 |
第一項研究於 2026 年刊登於《Management Science》。第二項是 METR 在 2025 年發表的實驗;METR 於 2026 年 2 月表示,較新的工具可能讓開發者受益更多,但新一輪研究因受試者不願停用 AI 等選擇偏差,無法可靠估計新的通用加速幅度。
NBER 的《Writing Code vs. Shipping Code》在 2026 年 9 月修訂。它以觀察性研究分析不同世代的 AI Coding 工具,發現程式碼產出活動的成長,到了專案數量及版本發行階段會明顯縮小。這並不證明所有落差都由人工審查造成;資料呈現的是一條需要進一步檢查的交付鏈。
若團隊只計算每天完成多少修改、建立多少 PR,很容易高估進度。程式碼合併後是否能在乾淨環境重現、是否符合需求、能否安全發布,才會決定使用者何時真正拿到成果。
多 Agent 的數量應服從任務結構
2026 年,Google Research 評估 180 種多 Agent 配置。在能分頭完成的財務分析基準任務中,中央協調的多 Agent 架構,相對單一 Agent 的任務表現提高 80.9%;在需要依序保留狀態的規劃任務中,受測多 Agent 架構的表現則下降 39%~70%。這些是指定基準任務的表現差異,不能轉換成軟體專案縮短多少天。
一個可獨立檢查的需求段落,交給不同 Agent 蒐集來源、找反例和產生測試草稿,通常比較容易平行。若兩個 Agent 同時調整同一份資料模型,第三個 Agent 依舊版欄位寫腳本,整合成本就可能吃掉前面的時間。
這也不表示大型 Agent 團隊做不出複雜成果。Anthropic 在 2026 年公開一項實驗:16 個平行 Claude Agent 經過約 2,000 個工作階段、接近 20,000 美元 API 成本,產生能編譯指定 Linux 核心的 C 編譯器。這個案例顯示,在任務切分、測試回饋與執行基礎設施足夠完善時,平行 Agent 能推進大型工作;它沒有同條件的人類團隊或單 Agent 對照,無法據此換算節省多少人月。
選擇 Agent 架構時,值得先回答三件事:各工作線能否各自驗收?它們是否修改相同的共享狀態?最後由誰做整合決策?答案清楚,增加平行度才有可衡量的意義。
從產出速度走到交付能力
一條典型的 AI 開發交付鏈,可以粗分為需求釐清、執行與生成、整合、審核、業務驗收,以及發行。前段加速會讓後段承接更多工作。如果原本一天只能審查八件變更,Agent 產出從每天八件變成二十件,待審清單就可能持續增加。
這類流量限制可用 backpressure(背壓:下游承接不了時,限制上游繼續增加工作)處理。先讓重要、已準備好驗收的變更流過整條鏈,再根據實際容量開放更多任務。等待中的工作若愈積愈多,增加產出能力不一定能提前發版。
團隊可以先建立一張簡單的量測表:
| 面向 | 觀察指標 | 可回答的問題 |
|---|---|---|
| 端到端交付 | 需求就緒至符合驗收的日曆時間 | 使用者真正要的成果是否提早完成? |
| 人工投入 | 需求釐清、審核、返工、整合與驗收時數 | Agent 是否把工作轉移到下一位工程師? |
| 品質 | 一次驗收通過率、重開與回歸缺陷 | 生成速度的增加是否伴隨更多補救? |
| 在製與等待 | 執行中、待審、受阻的工作數及停留時間 | 瓶頸是否從生成端轉移到驗收端? |
| 成本 | 每件通過驗收成果的模型、Runner 與環境成本 | 增加 Agent 後,整體經濟性是否改善? |
若需求種類與複雜度常變,應先分組比較相近任務,再評估整體趨勢。否則,功能難度剛好降低,也可能被誤認為是 Agent 架構帶來的加速。
Auto Omniverse 的 Debug Loop 提供一個具體切入點
在公開的 Auto Omniverse D03:AI 自主除錯與完整驗收中,Debug Loop(失敗後蒐證、分析原因、有限修復與重驗的流程)將測試錯誤帶回同一條可追查的工作鏈。公開頁使用合成的會議室預約案例,展示可修復、持久寫入狀態不明,以及工具 PASS 但業務結果不符的分支。
這個案例很適合用來思考多 Agent 的分工。元素定位、測試環境及資料狀態,可以先由不同調查工作線分別提出證據;真正的修改、重新執行及是否停止,則由一條具有清楚權責與停止條件的流程承接。當儲存請求已經送出、卻無法確定資料有沒有寫入時,繼續重試可能造成重複資料,此時應保留證據並交由人核對。
更重要的是完整驗收(Full Verification,從案例起點確認最後的業務結果)。Selenium 顯示 PASS,可能只表示腳本完成預期操作;實際查回的預約識別若不相符,工作仍未達成業務目標。
上述公開案例是展示設計邊界的合成情境,目前沒有由此推算的 Agent 工時節省數據。它提供了可供後續驗證的設計方式:平行蒐證、集中修復、獨立業務驗收,以及在有資料風險時正確停止。
什麼時候值得增加 Agent
當任務已經有穩定的輸入和驗收方式、能安全隔離工作目錄或共用資源,而且下游仍有整合與審核能力,增加一兩條平行工作線可能縮短等待。先用相近任務比較單 Agent 與受控多 Agent 的交付時間,通常比直接追求最大併發更容易理解效果。
如果主要阻塞是需求還沒定義、共享資料契約未決、測試結果無法對應業務事實,團隊應優先改善這些環節。清楚的工作契約、來源版本、測試預言機(判定結果是否正確的依據)與證據交接,往往是下一次擴大平行度的前提。
Brooks 當年的問題,至今仍值得在專案排程會議上追問。AI 讓團隊更容易擴大工作量,也讓更複雜的實驗成為可能。真正需要定期校準的,是新增的執行能力能否一路通過整合、驗收與發行。知道哪一段已經飽和,才能決定下一位加入專案的工作者應該是 AI Agent、審查者,還是一項改善流程本身的工程工作。
主要參考資料
- Fred Brooks(1975),《The Mythical Man-Month》;Martin Fowler(2026-05-05),Mythical Man Month:經典主張與概念完整性。
- Cornell Virtual Workshop,Amdahl's Law:固定工作量的理想平行加速限制。
- Cui 等(2026 年正式刊登),The Effects of Generative AI on High-Skilled Work:三項企業現場隨機實驗;早期 2025 年版本為預印本。
- METR(2025-07-10),Experienced Open-Source Developer Productivity;METR(2026-02-24),Developer Productivity Experiment Update。
- Demirer、Musolff、Yang(2026 年 9 月修訂),NBER Working Paper 35275,Writing Code vs. Shipping Code:配對事件研究與生產階段差異。
- Google Research(2026-01-28),Towards a Science of Scaling Agent Systems:特定基準任務與 Agent 架構效果。
- Nicholas Carlini/Anthropic(2026-02-05),Building a C compiler with a team of parallel Claudes:廠商第一手工程實驗。
延伸閱讀
- 多 Agent 協作的審核瓶頸與改善方法:人工注意力、跨專案切換與待審工作分流。
- Agent Skill Eval:從觸發測試到成效驗證:如何驗證單項 Agent 能力是否真的改善結果。
- Auto Omniverse D03:AI 自主除錯與完整驗收:合成展示、失敗蒐證、有限修復與業務結果驗收。