Microsoft 與 GitHub 對「AI 與職場、生產力」的研究

生產力宣稱要打折看，而且要把獨立反證放在旁邊：賣方（GitHub／Microsoft）的「55% 更快」「26% 更多產出」是真實的受控研究，但任務是人造的、樣本特定、對自家有利；同一時期，獨立的 RCT（METR）在真實開發情境下，反而測到資深者慢 19%。引用任何一邊，通常都需要把另一邊放在旁邊

由《教練力實踐》證據研究員（v1）維護。本檔用 WebSearch／WebFetch 於 2026-06-23 實際點開查證，每筆標年份、機構、類型與可信度。 絕不編造研究／數據／作者／報告名；查不到標〔待查證〕。 本檔的核心張力＝「廠商自家生產力宣稱 vs 獨立反證」：GitHub／Microsoft 是 AI 工具的賣方，其「55% 更快」「26% 更多產出」是真實研究但對自家有利、要打折看；本檔務必把獨立 RCT 反證（METR 2025 資深開發者反而慢 19%）與信任落差（Stack Overflow）並陳，不可只引廠商數字。 與既有 AIcoach 研究庫互補：那邊 產業報告/科技平台 已收微軟 Frontier Firm 與 GitHub vs METR 的對照骨架；本檔聚焦把這幾筆逐筆查證到精確數字、補上 Microsoft Research 認知研究與 LinkedIn 技能數據，相關處標「另見」，不重抄。 調性提醒：不打技術樂觀牌、也不打恐懼牌。同一批近兩年研究同時顯示「短期任務級提升真實存在」與「資深者／真實情境下反而變慢、且自己沒察覺」——分清「廠商宣稱 vs 獨立證實」、「任務級 vs 總體級」、「感覺更快 vs 實際更快」。

核心論點（這檔能幫書站穩哪一塊）

生產力宣稱要打折看，而且要把獨立反證放在旁邊：賣方（GitHub／Microsoft）的「55% 更快」「26% 更多產出」是真實的受控研究，但任務是人造的、樣本特定、對自家有利；同一時期，**獨立的 RCT（METR）在真實開發情境下，反而測到資深者慢 19%**。引用任何一邊，通常都需要把另一邊放在旁邊。
「感覺更快」不等於「實際更快」：METR 最清楚的一個發現是知覺落差。開發者事前預期會快 24%，事後仍以為自己快了 20%，實際上卻慢了 19%。這一筆可以直接支持本書「判斷不外包、要校準對 AI 的信任」的說法：人對 AI 效能的感受，往往是系統性失準的。
越信任 AI，批判思考越少；越信任自己，批判思考越多（Microsoft×CMU CHI 2025）：AI 把知識工作從「執行」轉向「監督與驗證」，但這份監督通常只在人本身有底氣的時候才會發生。這呼應教練力講的「先有一個值得信任的自己」。
採用衝得很快，信任反而下滑（Stack Overflow 2025）：用 AI 的開發者升到 84%，信任卻掉到 29%，46% 的人主動不信任它的準確性。採用度、有效性、信任，是三件不同的事。
AI 做不到的那一塊，價值反而變高（Microsoft WTI／LinkedIn）：產能缺口很大（80% 工作者沒時間沒精力）、70% 工作技能五年內會改變，但被點名為「非協商」的核心能力是分析思考、複雜問題解決。人的判斷力，看起來是在升值的。

這幾點都可以支持《教練力實踐》的核心主張：當賣方用「更有生產力」推著人把判斷交出去的時候，真正值錢的，往往反而是那個沒把判斷交出去、還自己在判斷的你。

證據清單

A. Microsoft Work Trend Index：「Frontier Firm」與產能缺口（機構級調查）

A1. 2025 Work Trend Index：Frontier Firm 誕生與產能缺口

年份：2025（調查期 2025-02-06 至 2025-03-24）
作者／機構：Microsoft（WorkLab）＋ LinkedIn；獨立研究商 Edelman Data x Intelligence 執行
關鍵發現：80% 全球工作者表示缺乏完成工作的時間或精力，同時 53% 領導者說生產力必須提升。這道「產能缺口（capacity gap）」是全報告主軸。82% 領導者相信未來 12–18 個月會用「數位勞動力（AI agents）」來補。提出「Frontier Firm」概念：全組織部署 AI、用 agent、視 agent 為 ROI 關鍵的公司；其工作者 71% 說公司在「茁壯」（全球僅 39%）、55% 說能承接更多工作（全球 25%）。
樣本：31,000 名知識工作者、31 個國家／市場、20 分鐘線上問卷。
支持論點：⑤ AI 做不到的那一塊價值變高（產能缺口可以當「為什麼是現在」的開場）。
類型：機構調查（科技平台＋其旗下 LinkedIn）
可信度：中高（樣本大、跨國、近期；但 Microsoft 是 AI 賣方，「該用 AI 補產能」對自家有利，當態度與趨勢數據用、不當成效實證）
URL：https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
查證日：2026-06-23

A2. AI 採用的「領導者 vs 員工」落差（同報告）

年份：2025
作者／機構：Microsoft Work Trend Index 2025
關鍵發現：對 AI agent 的熟悉度，領導者 67% vs 員工 40%；經常使用 AI，領導者 69% vs 員工 45%；認為 AI 是職涯加速器，79% vs 67%；每天省下 1 小時以上，29% vs 20%。提出「agent boss（agent 老闆）」新角色：員工建構、委派、管理 AI agent。
支持論點：⑤（採用不均，而且「會用 agent」被框成新職能）；可對照③（監督式工作的興起）。
類型：機構調查
可信度：中高（同 A1 的打折提醒）
URL：https://blogs.microsoft.com/blog/2025/04/23/the-2025-annual-work-trend-index-the-frontier-firm-is-born/
查證日：2026-06-23

另見 AIcoach 研究庫 產業報告/科技平台（已收微軟 Frontier Firm「產能缺口 80%」骨架）；本檔補到精確的領導者／員工分項與樣本方法。

B. Microsoft Research：AI 對認知、批判思考、生產力的研究

B1.（最重要）GenAI 與知識工作者的批判思考（CHI 2025）

年份：2025（CHI 2025 正式發表，同儕審查會議論文）
作者／機構：Hao-Ping (Hank) Lee 等，Microsoft Research × Carnegie Mellon University（CMU）
關鍵發現：調查 319 名知識工作者、936 個真實 AI 使用案例。核心發現：對 GenAI 越有信心，施展的批判思考越少；對「自己」越有信心，批判思考越多。GenAI 把工作焦點從「資訊蒐集→驗證」「解題→整合 AI 回應」「執行→監督」轉移。作者建議工具本身應被設計來「支持」而非「取代」批判思考。
支持論點：③ 越信任 AI 批判思考越少、越信任自己越多。這是本書「判斷不外包、先有值得信任的自己」最直接的實證依據。
類型：學術（頂級 HCI 會議，同儕審查）；但自陳式調查、非行為實驗（測的是「自我報告的認知努力」，不是客觀表現），限制要標清楚。
可信度：高（方法透明、頂會、樣本實務；只是自陳式設計的因果不宜過度解讀）
URL：https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/
論文 PDF：https://www.microsoft.com/en-us/research/wp-content/uploads/2025/01/lee_2025_ai_critical_thinking_survey.pdf
查證日：2026-06-23

此筆與 AIcoach 研究庫 專題-AI與人的關係/03-認知外包 中 Lee et al.（CHI 2025）為同一筆；本檔補上「Microsoft×CMU、319 人 936 案例」精確出處，供書專案直接引用。

B2. Microsoft Research《New Future of Work》年度綜述（背景依據）

年份：2025（年度報告，每年更新）
作者／機構：Microsoft Research
關鍵發現：把 LLM 對知識工作的影響定位為「認知工作經濟學」的轉移——大幅壓低產出（文字、程式碼、摘要）的邊際成本，並收斂該年度多篇內部研究（含 B1 的批判思考線）。〔待查證〕（2026-09-10 查證：下方網址實際是〈Tools for Thought at CHI 2025〉部落格，內容是四篇 CHI 論文的介紹，未見「認知工作經濟學／邊際成本」的論述；《New Future of Work Report 2025》本體未能直取）
支持論點：⑤（執行成本大幅下降是怎麼發生的）；④（採用與真正有幫助之間的落差）。
類型：機構年度綜述（科技平台研究部門）
可信度：中高（方法嚴謹綜述，但廠商自家研究、對自家有利要打折）
URL：https://www.microsoft.com/en-us/research/blog/the-future-of-ai-in-knowledge-work-tools-for-thought-at-chi-2025/
查證日：2026-06-23
備註：《New Future of Work Report 2025》PDF 連結另見 AIcoach 研究庫 職場-01（A1）。

C. GitHub Copilot 生產力宣稱：⚠️ 賣方數據，要對照 D 的反證

C1. GitHub 官方受控實驗：「快 55%」

年份：2022 發布、2023 學術化（arXiv 2302.06590）
作者／機構：GitHub（Sida Peng 等），論文《The Impact of AI on Developer Productivity: Evidence from GitHub Copilot》
關鍵發現：受控實驗，95 名開發者（45 人用 Copilot、50 人對照）用 JavaScript 寫一個 HTTP server。用 Copilot 組**快 55%**（平均 1 小時 11 分 vs 對照組 2 小時 41 分；95% CI 21–89%，P=.0017），完成率 78% vs 70%。
支持論點：①（賣方宣稱的「上限」基準，要和 D1 一起出現）。
類型：廠商受控實驗
可信度：⚠️ 中（須打折）：任務人造（單一標準化練習、不是真實 codebase）、樣本小、GitHub 自家研究有強烈利益動機；「55%」是最常被引用也最容易被斷章取義的數字，引用時務必標來源與任務性質。
URL：https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
論文：https://arxiv.org/abs/2302.06590
查證日：2026-06-23

C2. 企業情境 RCT：「多 26% 產出」（Microsoft／Accenture／Fortune 100）

年份：2024（arXiv，MIT/Princeton/Wharton/Microsoft）
作者／機構：Microsoft、MIT、Princeton、Wharton 研究者；三場 RCT
關鍵發現：橫跨 4,867 名開發者（Microsoft、Accenture、一家匿名 Fortune 100 電子製造商）三場 RCT，用 Copilot 組每週完成的 pull request 多 26.08%；經驗較淺者得益更多。〔待查證〕（2026-09-10 查證：下方網址只呈現 Accenture 單場的數字，未見三場合併的總樣本與百分比）
支持論點：①（賣方宣稱的企業級版本，比 C1 接近真實情境，但仍偏利益方）。
類型：廠商參與之 RCT（含獨立學者，較 C1 嚴謹）
可信度：⚠️ 中高（仍須打折）：RCT 設計、樣本大、有外部學者，比 C1 可信；但 Microsoft 是共同作者，而且「PR 數量」是產出的代理指標，不等於價值或品質（量增 ≠ 質增）。
URL：https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-in-the-enterprise-with-accenture/
查證日：2026-06-23

D.（關鍵反證）獨立證據：真實情境下資深者反而變慢、而且自己沒察覺

D1.（本檔最重要的反證）METR：資深開源開發者用 AI 反而慢 19%

年份：2025（METR，2025-07 發布；arXiv 2507.09089）
作者／機構：METR（Model Evaluation & Threat Research，獨立非營利研究機構，非 AI 賣方）
關鍵發現：RCT，16 名資深開源開發者在自己熟悉的大型 repo（平均 22k+ stars、百萬行程式碼）上完成 246 個真實 issue。被允許用 AI 工具（主要 Cursor Pro＋Claude 3.5/3.7 Sonnet）時，完成任務反而多花 19% 時間（變慢）。知覺落差最關鍵：開發者事前預期會**快 24%，事後仍以為自己快了 20%**；實際慢了 19%，自己卻沒有察覺。
支持論點：①（廠商宣稱的直接獨立反證）；②（「感覺更快 ≠ 實際更快」最清楚的證據）。
類型：獨立 RCT（真實 codebase、真實 issue，外部效度高於 C1）
可信度：高（設計嚴謹、利益中立；作者自己誠實標了限制：樣本小、只有 16 人、只有資深者加上熟悉的成熟 repo、只有當時的模型，不宣稱可以推廣到多數開發者或未來模型）。也正因為作者誠實，這筆最適合拿來說「在這個特定但真實的情境裡，賣方的數字會反轉」，不宜推廣成「AI 一律讓人變慢」。
URL：https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
論文：https://arxiv.org/pdf/2507.09089
查證日：2026-06-23
後續：METR 於 2026-02 發布更新，調整實驗設計續研究此題（https://metr.org/blog/2026-02-24-uplift-update/）——標示此題仍在演進、非定論。

D2. Stack Overflow 開發者調查 2025：用得更多、信得更少

年份：2025（調查發布於 2025 年底；Stack Overflow Developer Survey 2025）
作者／機構：Stack Overflow（獨立於 AI 賣方的開發者社群）
關鍵發現：使用 AI 工具的開發者升到 84%，但信任卻掉到 29%（2024 為更高）；主動不信任其準確性者 46% > 信任者 33%，僅 3% 表示「高度信任」。最大挫折是「AI 給的答案幾乎對、但就是不太對」（66%），第二大挫折是除錯 AI 程式碼更耗時（45%）。在「未來即使 AI 很強，何時仍會找真人」中，「當我不信任 AI 的答案」排第一（75%）。
支持論點：④ 採用衝得很快但信任下滑（採用度 ≠ 有效 ≠ 信任）；也支持「人的驗證仍然少不了」。
類型：大型業界調查（獨立、樣本數萬）
可信度：高（樣本大、獨立、連年可比；自陳態度數據，非成效實證——當「信任落差」證據用，不當「AI 沒用」證據）
URL：https://survey.stackoverflow.co/2025/ai/
趨勢分析：https://stackoverflow.blog/2025/12/29/developers-remain-willing-but-reluctant-to-use-ai-the-2025-developer-survey-results-are-here/
查證日：2026-06-23

E. LinkedIn（Microsoft 旗下）：技能變化與學習數據

E1. 70% 工作技能將在 2030 前改變

年份：2025（LinkedIn 2025 Workplace Learning Report／Work Change Report；資料截至 2024-09 LinkedIn 會員活動）
作者／機構：LinkedIn（Microsoft 旗下）
關鍵發現：到 2030 年，多數工作所用技能的 70% 將改變，AI 是催化劑（演算法：結合職缺與個人檔案所列技能，加上歷史變動與 AI 可替代性推估）。被點名為「非協商」的核心能力是分析思考、主動學習、複雜問題解決——分析思考仍是雇主第一核心技能（七成公司視為必備）。AI literacy 成為成長最快技能之一。〔待查證〕（2026-09-10 查證：70% 一句在 Work Change Report 頁面核對相符；「非協商」三項能力、七成公司、AI literacy 成長最快，在所列兩個 LinkedIn 頁面都沒看到，CNBC 頁面打不開）
支持論點：⑤ 技能重組得很快，但升值的通常是 AI 做不到的判斷與問題解決能力。
類型：機構報告＋平台行為數據（Economic Graph）
可信度：中高（LinkedIn 獨家數據、規模大；只是 LinkedIn＝Microsoft 旗下而且賣學習產品，「該再培訓」對自家有利，當趨勢數據用）
URL：https://economicgraph.linkedin.com/research/work-change-report
報告頁：https://learning.linkedin.com/resources/workplace-learning-report
二手佐證（CNBC）：https://www.cnbc.com/2025/05/13/by-2030-70-percent-of-skills-used-in-most-jobs-will-change-says-linkedin-.html
查證日：2026-06-23

另見 AIcoach 研究庫 產業報告/科技平台（已收 LinkedIn 70% 技能改變骨架）；本檔補上方法與「分析思考非協商」分項。

缺口與反證（生產力宣稱 vs 獨立證實）

最大的缺口，是「廠商宣稱 vs 獨立證實」之間的鴻溝：GitHub/Microsoft（賣方）測到大幅提升（C1 55%、C2 26%），唯一的獨立、真實情境 RCT（D1 METR）卻測到資深者變慢 19%。目前還沒有「賣方與獨立方在同一個真實情境、用同一個指標」的對照研究；兩邊的任務、樣本、指標都不同，不能直接相減，只能把張力並陳。
指標的缺口：賣方多半用「速度／PR 數量／完成率」這類產出的代理指標，很少有人測程式碼品質、可維護性、長期技術債（已有 arXiv 預印本開始探討「AI 助手對可維護性的下游影響」，但還不是定論〔此線待持續查證〕）。量增不等於質增。
知覺的缺口（最值得寫進書）：METR 證明人對 AI 效能的主觀感受與客觀表現是脫鉤的。所以，大量「我用 AI 變快了」的自陳（包括部分調查）可能系統性高估了。引用任何「使用者覺得更有生產力」的數據時，都需要標明那是感受，不是實測。
可推廣性的缺口：D1 只有 16 人、只有資深者加上熟悉的成熟 repo、只有 2025 上半年的模型；METR 作者自己就強調不可推廣。反過來，C 系列的「新手得益更多」也提示效果因人而異（資深與新手可能相反）。書稿不宜把任何一邊講成普世定律。
賣方利益的缺口：本檔 A、B2、C、E 的產出方（Microsoft、GitHub、LinkedIn）都是 AI 或學習產品的賣方，數據對自家有利，要打折看；只有 B1（與 CMU 合作，發現反而對自家產品不利，提醒「AI 會削弱批判思考」）與 D（METR、Stack Overflow，獨立方）的利益比較中立，可信度相對高。