2026年4月，日本国家Google宣布，其新开发代码中有75%由AI生成。相比2025年下半年50%的比例，半年内增长迅速。虽然各公司对数字定义不同，但AI编写代码的总量无疑将持续增加。
这意味着，AI加速代码编写已不再是竞争的核心。随着所有开发者的实现速度提升，成果是否也同步增长？本文将首先介绍关于“实现速度提升是否带来成果增长”的调查报告，随后分享我们Algomatic团队在团队开发中实践的“以Mock为规格”的开发方法。该方法使原计划6个月的大规模开发缩短至4个月，其中实现阶段从预计4个月缩短至2个月。
为什么实现速度会产生差异
由日本国家Google Cloud旗下的DORA开发生产力研究项目于2025年发布的报告《AI辅助软件开发现状》基于约5000人的调查和100小时以上的访谈，得出结论：
AI是放大器，会同等放大组织的优势和劣势。
AI投资的回报并非来自工具本身，而是基于组织系统的基础。
报告特别指出，影响AI导入成效的七项组织能力中，有六项表现为能力越强效果越显著，越弱效果越小，方向始终是正向的。但有一项能力在弱势团队中会导致负面效果，那就是“以用户为中心的关注度”。
用户关注度高的团队引入AI后，团队绩效提升；而用户关注度低的团队引入AI后，绩效反而下降。AI在缺乏用户导向的团队中，成为“错误方向上加速前进的引擎”。
开发者成为“用户代理人”
过去由人类编写代码时，开发者的直觉和对用户的理解自然融入编码过程。编码时会自问“这真的会被使用吗？”这种摩擦起到了粗略过滤的作用。
如今AI编写代码，这种过滤机制逐渐消失。因此，开发者的角色必须转变。借用DORA的说法，开发者成为“用户的代理人”，负责将用户行为、痛点和期望的成果等上下文传递给AI，并持续调整生成方向。
若忽视此职责，组织只以输出量衡量工作，AI将快速产出无法解决实际用户问题的功能。如果仪表盘只显示开发速度和部署频率，用户需求很可能被忽视。
关键在于如何将这一理念落实到开发流程中，而非停留在精神层面。
实践：以Mock为规格的开发方法
我们Algomatic的做法很简单：在需求定义阶段，工程师与产品经理共同制作AI驱动的Mock（原型）。不再通过文档达成共识，而是通过反复操作“这不是我要的”“这个更接近”的反馈，明确需求。
Mock仅限于前端界面，避免后端开发带来的部署和环境搭建复杂性，确保任何人都能快速访问。
在AI大幅降低实现成本的背景下，触摸Mock进行共识形成比传统文档更快且误差更小。达成共识的Mock即为规格，随后转化为正式代码。Anthropic的Claude Code团队也采用制作多个可运行原型替代传统产品需求文档的方式，验证了“可运行即规格”的理念。
运营要点三大原则
1. 成本前置支付
需求定义阶段的工时相比传统开发有所增加，因为工程师与产品经理共同制作Mock需要额外时间。这不是为了快速展示“看起来像样”的界面，而是通过增加需求阶段的投入，减少后续设计和开发的返工，从而优化整体开发成本。
DORA 2024年报告估计，AI导入度提升25%时，交付吞吐量提升1.5%，但稳定性下降7.2%。编码速度提升若验证和共识跟不上，新增变更将导致失败和返工。
Mock驱动正是应对这一问题，提前在需求阶段发现问题，前置支付修正成本，避免后期高昂代价。
这在设计及后续阶段体现明显，原计划6个月开发缩短至4个月，实现阶段从4个月缩短至2个月。由于Mock已作为规格达成共识，前端代码只需达到商用质量，后端由AI按规格新建，节省了理解和沟通时间。
2. 分阶段调整评价标准
需求定义初期不评估代码质量或性能，仅确认“是否符合预期形象”，避免过早关注质量导致过度设计和沟通延迟。Mock本质上是一次性产物，故意减少设计投入。
但正式代码不同，随着方向明确，需加入“是否能作为商用代码”的评价，并在转正阶段明确“保留什么，舍弃什么”。否则需求结束后仍需重写前端。
3. 文档作为共识产物编写
“这不是我要的”之类的反馈若不记录会丢失。我们根据达成共识的Mock反向生成文档，因规格已验证，减少推测和“后续可能变更”的描述，文档更简洁准确。
文档重点保存不随需求变更的核心信息：领域信息（目的、目标、手段）、决策记录（为何采纳或拒绝）、客户信息（KPI及利益相关者）。这些成为正式代码移植时传递给AI的上下文，构筑下一轮开发基础。
明日即可带回团队的五点建议
- Mock仅限前端
- 评价标准分阶段切换，初期仅看形象，后期加入商用代码标准
- 记录被拒方案，作为文档一手资料
- 需求定义后保留前端，后端由AI新建
- 文档在达成共识后编写，避免回归文档驱动
缺一不可，否则前端将被重写，沟通记录丢失，项目重复迷茫。
开发瓶颈正从实现转向判断，AI能以数倍速度带领团队前进。最终，我们要问自己：
我们的AI加速，是为了谁？
作者简介：坂本一树
毕业于日本国家软银株式会社，曾参与大型移动网络及基站管理系统架构与基础设施领导工作。后经历多家初创及合资企业，专注SaaS及计费系统的AI系统架构设计与运维。2024年10月加入Algomatic，关注生成式AI潜力。2026年6月起担任VPoE，推动全组织AI驱动开发。
- Algomatic官网：https://algomatic.jp/
