当数字成为标题
在 AI 编程工具的营销叙事里，“等效人类工时”大概是最常见、也最容易被误读的单位。8 月 20 日，OpenAI 在官网发布了项目管理软件公司 Asana 的客户案例，标题本身就是结论：Asana 使用 Codex，在两周内完成了相当于五年的工程工作（案例原文）。有意思的是，这条消息在 Hacker News 上几乎无人问津，三点热度、零条评论。喧嚣的 AI 编程赛道难得留出一段安静的距离，正好让我们拆一拆：这类数字是怎么生产出来的，又该怎么消费。
事件要点
- OpenAI 以客户案例的形式披露，Asana 借助其编码智能体 Codex，在两周内清理了约五年的工程工作积压。
- Codex 是 OpenAI 面向开发者的智能体产品，能够自主认领任务、跨文件修改代码并提交验证。它近期另一个新闻角色并不光彩：少数用户反馈在调用 GPT-5.6 系列模型时出现误删文件，OpenAI 刚刚作出回应。
- 从目前披露的信息看，这更像 OpenAI 企业化营销的标准动作：用一个大客户的投入产出比，回答“我为什么该为此付费”。
“五年”的算法
任何“五年的活”都必然是折算出来的：把积压任务按人类工程师的预期耗时换算成人年，再求和。而软件团队的经典积压是什么？依赖版本升级、测试覆盖率补齐、日志与埋点规范化、旧接口迁移，恰恰是那种“人人都知道该做、却永远排不进排期”的工作。
作为一家运营十几年的 SaaS 公司，Asana 的代码库里有大量第三方集成与历史模块，这类系统恰恰最容易沉淀出“估算起来好几个人年”的技术债。而这类任务有两个共同点：目标清晰、验收明确。这正是编码智能体最舒服的作战区域，不需要产品判断，只需要执行力、耐心和一条可验证的反馈回路。
所以，“两周干完五年”更严谨的译文是：把一批定义良好、高度重复的任务，交给了一个不知疲倦、边际成本趋近于零的执行者。它证明的是 AI 在特定任务形态上的杠杆率，而不是“工程师生产力普遍提升 N 倍”。这两个命题的差异，决定了你该不该在自己的团队里复制这个故事。
对照组一直存在
行业的另一面并非没有证据。独立研究机构 METR 在 2025 年中发布的对照实验显示，经验丰富的开源开发者在自己熟悉的真实仓库里使用 AI 编程工具，完成任务反而比不用时慢了约 19%，审阅、纠偏和上下文重建的隐性成本，吃掉了生成速度带来的收益。厂商案例与独立实验之间的落差，恰好描出了当前 AI 编程的能力边界：在批量、明确、可自动验收的任务上惊人高效；在模糊、跨系统、需要权衡取舍的工作上，人仍是主导。
还有一层时间上的巧合值得玩味。就在这个案例发布前几天，Codex 刚因误删文件问题被推上风口——我们此前也讨论过这场权限风波。效率与风险其实来自同一个源头：你授予智能体的自主权限。五年积压可以两周清完，但前提是每一次写操作背后都有足够的护栏、沙箱与可回滚的版本控制。案例页不会讲这一半故事，工程团队却必须自己把它补全。
简短点评
我的看法很直接：这个数字大概率不是假的，但它的单位是“人类工时的估算值”，而不是“业务价值的度量衡”。清掉积压会让代码库更健康，却不直接等于新产品和新收入。对一线团队而言，这个案例真正的启示不是“快去买 Codex”，而是转身盘点自己仓库里那份同样存在、无人认领的“五年清单”，依赖、测试、迁移、文档。那才是 AI 编程工具当前性价比最高的战场。
至于厂商案例，把它当线索就好。可信的数字，永远只能从你自己的仓库里长出来。