AI 生产力无单一指标

核心结论：没有一个单一指标能代表 AI 工具的成效（"there is no one metric to rule them all"），需要组合多个输入指标，最终指向开发者幸福感（developer happiness）这个综合结果：

• 时间不能直接作为成功指标："你可以用很快的速度写出很烂的代码"（time is not quantifiable as a success metric）。需要把时间转译成效率、生产力等更难衡量但更真实的指标。
• 不同场景要挂不同的指标：给 AI 编码整体挂"生产力"指标；给 GitHub Advanced Security 这类安全场景，则应挂"减少了多少秘钥泄露、发现修复了多少问题"这类安全指标，而不是笼统套用生产力指标。
• 提出"time to value"作为替代框架：从把任务分配给开发者的那一刻，到实际产生业务价值（收入、采纳率、上市时间）之间的时长，比单纯"写代码用了多久"更能反映投资 AI 工具的真实回报。

她给出的具体 GitHub Copilot 采用数据（2023 年底）可作为对比基准：

• 37,000+ 组织、150 万+开发者在使用 Copilot；92% 的开发者已在使用某种 AI 工具。
• 使用者自评写代码速度快 55%。
• 85% 的调研参与者对代码质量更有信心；代码评审（code review）完成速度快 15%。
• 88% 的人感到挫败感降低、专注度提升。
• Accenture 案例：AI 建议代码的采纳/保留率达到 88%。