两年来，这一说法一直喧嚣且一致：AI要来抢你的编程饭碗了。公司竞相采用AI工具，开发者紧张地盯着自己的提交次数，LinkedIn上充斥着关于软件工程职业已死的激烈言论。

然后，Uber的COO Andrew Macdonald说出了没有高管愿意大声说出来的话。

“如果你实际上无法划出一条直接连线，说明你向用户交付了多少有用的功能和功能，那么这笔交易就越来越难以为继。”

而且这并不是一家在AI上吝啬的公司。Uber在四个月内就烧完了2026年用于Claude Code和Cursor的全部AI预算。不是季度预算。是全年预算。他们的CTO此前已经披露过这一点，然后COO公开了那个令人不安的后续：我们不知道这是否有效。

1、数字讲述了一个令人困惑的故事

• **95%**的Uber工程师每月使用AI工具
• **70%**的提交代码现在由AI生成
• 9.51亿美元仅在2026年第一季度就花在了研发上（同比增长17%）
• 0条清晰的支出与有用的面向消费者功能之间的关联
  高采用率。高成本。结果不明。这就是2026年企业AI的现状，而Uber只是第一家大声说出来的公司。

2、没有人解决的测量问题

核心问题不在于AI工具不擅长写代码。它们在这方面确实令人印象深刻。问题在于，写代码更快与交付更多价值不是一回事。

以下是当今典型的企业AI记分卡的样子：

公司测量的：

• 每日代码行数

• AI工具采用率

• PR合并频率

• 每位工程师的token花费
  实际上重要的：

• 每个sprint交付的功能

• 发布后的bug率

• 面向用户的改进

• 收入影响
  这两个列表之间的差距，就是数十亿美元AI支出正在悄然消失的地方。

3、隐藏的成本架构

采购团队忽略了一点：AI工具对单个工程师来说几乎免费。公司承担了真正的账单，而这些成本现在直接与人员预算竞争。

// 采购批准时可见的
seats: "每位开发者每月$X"
subscriptions: "Claude Code, Cursor, Copilot"

// 真正让预算爆炸的
tokenOverage: "agentic任务使用10-100倍更多的token"
reviewTime: "AI代码仍需要人工审查"
debugging: "幻觉逻辑很微妙，发现成本高昂"
rework: "自信地错比明显地错更糟糕"

Gartner估计推理成本到2030年将下降90%，但这救不了企业预算，因为agentic工作流每个任务消耗的token要多得多。每个token更便宜。每个工作的token更多。

4、真正的ROI框架是什么样的

与其测量AI活动，团队应该测量AI结果。链条看起来是这样的：

AI支出 (token + 席位)
        ↓
任务产出 (功能、bug修复、重构)
        ↓
用户影响 (参与度、NPS、支持工单)
        ↓
业务价值 (收入、留存、流失)

大多数公司已经实现了第一步——AI支出。有些跟踪第二步——代码产出。几乎没有一个有可追溯的连线，将AI辅助工作与第三步或第四步连接起来。

那个缺失的链条正是Uber的COO所描述的。

5、一个实用的起点

你不需要复杂的系统来开始测量。你需要一个习惯：

// 用元数据标记AI辅助的PR
prMetadata = {
  aiAssisted: true,
  toolsUsed: ['claude-code', 'cursor'],
  estimatedTokenCost: '$4.20',
  humanReviewMinutes: 12
}

// 将其与功能开关和分析关联
featureFlag('checkout-redesign')
  .track({ prId: '#4421', aiAssisted: true })
  .onConversion(revenue => {
    roi = revenue / prMetadata.estimatedTokenCost
    // 现在你有一个数字了
  })

它不完美。但它是一个证据链——这正是像Uber这样的公司目前所缺失的。

6、那么AI正在取代工程师吗？

不是像头条所暗示的那样。实际发生的情况更有趣。

AI正在改变工程师花费时间的内容。样板代码更便宜了。函数的初稿更快了。这是真实的。但认知工作——理解问题、决定构建什么、判断什么值得保留——并没有被自动化。如果说有什么变化，那就是随着生成代码量的增加，有人必须做出判断，这项工作变得更加重要了。

安全角度加剧了这一点。npm生态系统、基础设施提供商和开发者工具链最近都面临重大漏洞。没有人完整阅读的AI生成代码引入了新的攻击面。信任必须通过工具赢得，不能假设。

能够蓬勃发展的工程师不是那些抵制AI工具的人——而是那些学会测量产出，而不仅仅是活动的人。

7、真实的故事

Uber的承认不是一个失败的故事。这是行业终于问出了正确的问题。

使用指标从来都很容易。你可以从第一天起就跟踪席位、采用率和提交量。结果指标更难——它们需要将工程工作与用户行为再到业务结果连接起来，跨越那些从未设计为相互沟通的团队和工具。

这就是真正的问题。不是AI。不是工程师。是测量差距。

Macdonald的评论可能会推动整个行业的采购团队在续签AI工具合同之前，要求提供与结果挂钩的理由。这是一个健康的发展。供应商需要帮助客户证明ROI，而不仅仅是采用率。

从测量AI使用到测量AI结果的转变正在到来。Uber只是给它起了个名字。

---

原文链接：AI替代软件工程师？先算算ROI - 汇智网