软件工程正经历着日益扩大的“活动-成果差距”（Activity-Outcome Gap），即 AI 的快速代码生成并不自动转化为更快的产品发布。Dryden Technology Group 的 Christian Bird 认为，虽然 AI 在开发的“编写”阶段表现出色，但“交付”阶段仍受制于 AI 尚未突破的系统性瓶颈。
编写与交付的区别
Christian Bird 的演讲强调，现代软件工程的主要挑战在于活动与成果之间的差距。虽然 AI 可以以空前的速度生成代码，但将这些代码转化为“真正有用的对象”的过程涉及超出编辑器范畴的复杂需求。
核心问题在于，许多组织在还没有建立支持 AI 生成代码所需的“高速公路”式基础设施之前，就开启了 AI 生成代码的“消防栓”。这导致开发者可能感觉自己移动得更快，但最终产品的交付仍因外部因素而停滞。
“活动-成果差距：为什么 AI 无法解决软件工程问题。”
— Why aren't we shipping faster now?
加速债务解决与迁移
Hacker News 上的评论者指出，AI 已经在特定领域提供切实的收益，例如在一天内完成以前需要多团队协调数周才能完成的全量迁移。一位以 intrasight 为名的评论者报告称，使用 LLM 处理大规模技术债的时间仅为不使用它们时所需时间的约五分之一。
另一位评论者 9cb14c1ec0 观察到，虽然客户可能看不到新功能的改变，但底层项目正在更快地改进，因为安全补丁和全面重写正在更高效地完成。这表明 AI 最直接的重大影响可能在于对项目健康状况的“隐形”改进。
系统性与组织性瓶颈
尽管代码生成速度极快，许多开发者报告称，“交付”仍被非技术障碍所延迟。一位评论者 mystifyingpoi 描述了一个场景：代码编写速度提高了 5-10 倍，但流程仍被 IT 硬件安装、公司防火墙变更和业务侧的犹豫不决所阻碍。
讨论中的其他参与者认为，瓶颈已转移到 CI/CD 流水线和产品对齐上。一位评论者 MisterPea 提出，开发中最艰巨的部分——实验和与业务目标的对齐——仍然是现代工程团队的主要障碍。
质量与规模的权衡
AI 辅助代码的快速涌入也带来了软件质量方面的风险。一位评论者 smy20011 指出，这种速度可能导致更多损坏的功能最终被移除，这表明错误率可能会随着行为变更的速率同步上升。
相反，一些开发者认为 AI 允许编写“更深层”的代码，能够包含在手动工作流中可能会被跳过的完整测试覆盖和边缘情况模拟。评论者的共识是，AI 的影响很大程度上取决于组织能否扩展其审查和 QA 流程以匹配新的生产速度。
关于软件改进的未决问题
讨论中提出的一个核心问题是，更快的交付是否真的能带来更好的软件。一位评论者 ferguess_k 指出，虽然交付可能更快，但这并不一定意味着产品更好。
讨论还涉及了 Bird 研究中描述的“活动-成果差距”，质疑为什么软件的改进速度并未与构建它的工具改进速度同步。这表明软件工程的下一个前沿可能是优化生命周期中的“非编码”部分，而非编码本身。