AI 浪潮下，功能点计价法过时了吗？效率真相与人力迷思
过去几年，众多客户常向我提问：当软件厂商采用低代码或无代码技术时，项目该如何合理定价？其潜台词往往是：如何利用这一趋势压低厂商报价，从而实现降本增效的目标。
如今，这一问题的前半段已演变为：当使用 AI 进行编程时，造价该如何评估？
此话题进一步延伸出：是否仍需度量软件规模？功能点计数法是否依然有效？乃至行业终极拷问：在 AI 时代，我们究竟变得更忙碌还是更清闲？团队究竟需要更多程序员，还是更少？
首先，让我们引用一组实验数据。
2025 年，美国非营利机构 METR 开展了一项随机对照试验。他们招募了一批在开源项目中拥有平均五年贡献经验的资深开发者，将其分为两组：一半使用 AI 工具辅助，另一半则不使用，随后记录完成特定任务的实际耗时。
结果显示：使用 AI 的那一组，完成任务的时间反而比未使用 AI 的组别增加了 19%。
更令人玩味的是，他们在实验前后分别进行了主观问卷调查。
实验前，开发者们预测 AI 将使他们的工作速度提升 24%。
实验后，AI 组的成员依然坚信 AI 帮助他们提速了 20%。
主观感知与客观现实之间，竟隔着高达 39 个百分点的人为幻觉。
为何引入 AI 后效率反而下降了？
AI 确实加速了“编写代码”这一环节。针对某些标准化功能，大型语言模型（LLM）仅需数秒即可生成语法正确、结构规范的代码。这部分效率的提升是真实存在的。
然而，软件开发绝不等同于单纯写代码。
代码生成后，必须验证其是否真正满足了业务逻辑，而不仅仅是语法无误。
必须确认其在边界条件下不会崩溃，检查其是否在隐蔽处影响了其他模块。
必须判断其是否引入了安全漏洞——根据 CodeRabbit 的调查数据，AI 生成代码引入漏洞的概率是人工编写代码的 2.74 倍。
这些工作，目前 AI 要么难以胜任，要么生成的结果让人不敢全然信赖。
因此出现的情况是：写代码的工时减少了，但验证、纠错和集成的工时却显著增加。
总工时不降反升，但其内部构成已发生根本性变化。
此外，还有一个更为隐蔽的新增工时，被称为“提示工程”。如何精准描述需求，引导 AI 生成真正符合预期的内容，本身就是一种需要反复迭代的技能消耗。
今年发表在 Frontiers in AI 上的一篇论文将这一现象定义为“迭代推理轮次”——并非代码错误导致返工，而是为了让 AI 理解意图，人类需要与其进行多轮对话。
这一点，或许又要让我们重温《没有银弹》的观点。
在传统软件工程时代，整个生产链条上最大的痛点在于——产品经理难以产出准确的需求规格。
现在回归软件工程造价的核心议题：在 AI 时代，规模度量（即功能点分析）是否依然必要？
先明确什么没有改变。
软件交付给用户的实际功能规模，不会因代码是由人编写还是由 AI 生成而发生改变。
一个 ERP 系统需要处理多少种事务、维护多少个逻辑数据，这些数字是客观存在的，不受开发方式的影响。功能规模是软件对外展现能力的总量，而非开发实现的过程。
这一点在 AI 时代不仅没有失效，反而变得愈发重要。
原因在于：当开发过程本身变得更加不透明——你无法知晓供应商有多少代码是 AI 生成的，也不清楚他们是否进行了充分的验证——功能点数值便成为了唯一与开发方式无关的客观锚点。
说完未变之处，再探讨变化所在。
传统的估算模型逻辑如下：
功能规模 → 工作量（人天）→ 造价
该模型的核心假设是：功能规模与工作量之间存在相对稳定的转换关系，可从历史数据中归纳形成基准，即各类软件研发的生产率数据。
当前的问题是，这种“生产率”的稳定性正在瓦解。
同样是 100 个功能点的系统，一个大量采用 AI 辅助开发的团队与一个纯人工开发的团队，其实际耗时可能天差地别。
更棘手的是，这种差异并非线性：前述论文提供了一组反直觉的数据：
传统上被标记为“高复杂度”的任务，在 LLM 辅助下，78% 的情况仅消耗了预期人工工时的 25% 以下；而传统上标记为“低复杂度”的任务，约 22% 的实际耗时却超过了预期工时的 180%。
难的任务变简单了，简单的任务反而变难了。
这意味着历史积累的生产率基准，正在出现局部失效、不均匀失效，甚至方向不可预测地失效。
在传统估算模型中，至少需要补充以下几个新维度：
该项目中 AI 介入的程度和方式究竟如何？
哪些功能点对应的任务是 AI 擅长的标准模式，哪些是需要大量人工验证的遗留系统集成？
验证和纠错的工时是否独立核算，还是被淹没在“开发工时”这个大池子里？
我们需要建立一套全新的成本动因分析框架，才能对模型进行校准。
回到最初的问题：在 AI 时代，我们是更忙了还是更闲了？
忙碌的人确实更忙了，因为他们在使用 AI 生成代码的同时，还需承担验证、纠错及处理 AI 引入的新型问题，而这些工作缺乏历史基准和行业标准，无法定价，只能自行承担。
清闲的人也确实存在，他们跳过了验证环节，全盘接受 AI 生成的内容，将隐患留给了系统上线之后。
两者的区别在于，是否有人真正在负责质量管控。