Anthropic 最新研究指出，软件开发者在学习新程序技巧时，若过度依赖 AI 助手，将显著降低对核心概念的理解。 这项研究针对 52 名具备 Python 经验的开发者进行测试，发现使用 AI 协助完成任务的人员，在随后的知识测试中得分比仅使用传统搜索与文件的人员低 17 %。 这显示在2026年AI普及的职场环境中，过于激进地导入AI模型可能对员工技能培训产生负面影响。
提问策略成为技能成长的关键
研究分析开发者的屏幕录像后发现，不同的互动模式对学习成果有决定性影响。 完全委派 AI 处理任务或仅用于调试而不求甚解的开发者，测试得分仅介于 24 % 至 39 %。 相反地，若开发者在 AI 生成代码后提出追问、要求解释概念，或仅将 AI 用于理论咨询，则能维持 65 % 至 86 % 的高分。 这证明了 AI 的使用方式比工具本身更为重要，具备主动思考的「追问」行为是防止技能萎缩的核心。
抵销 AI 工具带来的开发效率
与以往认为 AI 能大幅提升生产力的观点不同，此项研究发现 AI 组与对照组在完成任务的时间上并无统计学上的显著差异。 主要原因在于编写提示词与 AI 沟通的过程极其耗时，部分开发者甚至花费超过 11 分钟进行互动。 虽然专注于代码生成的子群组确实缩短了完成时间，但其测试结果却最差。 这代表 AI 在重复性或已知任务上虽具优势，但在学习新技能的过程中，生产力提升并非理所当然。
过度自动化恐削弱开发者的除错能力
研究人员Judy Hanwen Shen与Alex Tamkin强调，对照组因为没有AI协助而面临更多错误，被迫进行批判性思考并排除障碍，这种陷入困境的过程对建立专业能力至关重要。 特别是在处理安全性要求极高的系统时，人类的除错能力不可或缺。 若未来更先进的 AI 代理系统进一步减少人类参与，开发者的技能退化问题可能加剧。 Anthropic 建议企业应谨慎制定工作流程，确保 AI 是辅助而非替代思考，以保留人才的专业竞争力。
