研究把兩件事拆開:在這個高 AI 採用樣本中,揭露使用 AI 沒有顯著影響程式碼或作者評價;但 junior 標籤仍讓相同程式碼被評得較差,介面顯示什麼本身就會改變判斷。
已確認的事實
Microsoft Research 於 2026 年 10 月 2 日介紹一項程式碼審查實驗;完整論文顯示 447 名 Microsoft 全職軟體工程師各自評閱四段固定程式碼,研究者隨機改變作者資歷(junior 或 senior)與是否揭露使用 AI。
AI 使用揭露對程式碼有效性與作者能力沒有偵測到顯著影響;論文對作者能力的 AI 係數為 −0.034,95% 信賴區間為 −0.130 到 +0.061,p = 0.481。
作者資歷標籤則顯著影響評價:senior 相對 junior 的作者能力係數為 +0.178(p < 0.001),程式碼有效性為 +0.148(p = 0.001);junior 的相同程式碼也被評為品質、可讀性與安全性較低。
樣本是在 AI 使用已相當普及的組織中招募;論文記錄 97.8% 參與者曾用 AI 產生程式碼、81.2% 曾用 AI 做程式碼審查。這些是受試者自陳,不代表所有工程團隊。
研究頁與論文都把結果限定在這個實驗情境;它測量的是對固定程式碼和作者標籤的評價,不等於已證明實際 pull request 合併率、聘用結果或軟體品質在所有團隊都一樣。
訊號報分析
這篇研究的價值不在於替「要不要揭露 AI」下單一答案,而是提醒團隊把 AI 揭露和其他社會線索分開測量:即使 AI 標籤的負面效果在高採用環境中變小,資歷標籤仍可能讓人把同一段程式碼看成不同品質。
對 code review 工具來說,顯示作者職級、頭像或其他身份線索可能改變審查者的先入印象。更穩的做法是先把測試、漏洞、可維護性和實際證據放在前面,再決定哪些身份資訊真的有助於責任追蹤。
「AI 偏見淡化」不能解讀成 AI 生成程式碼已經可靠;研究沒有改變程式碼本身,只測試標籤如何影響人的評價,而且受試者的 AI 經驗可能讓結果比一般組織更寬容。
研究也顯示組織文化會改變結果:同一個 AI 標籤在尚未普及的團隊可能產生不同反應。因此導入規範前,應在自己的審查流程中做匿名或盲測,而不是直接照搬單一研究的結論。
仍未知的部分
- 在 AI 採用較低、開源社群、跨公司協作或不同國家文化的團隊中,AI 揭露是否仍沒有評價懲罰。
- 身份線索對真實合併、回退、聘用與升遷結果的長期影響,而不只是一次實驗中的主觀評分。
- 不同模型、程式語言、漏洞嚴重度和實際大型 pull request 是否會改變 AI 標籤與資歷標籤的效果。
- 匿名化或延後顯示身份資訊能否降低資歷偏見,同時保留責任追蹤、導師制度與資安稽核所需的紀錄。
讀者可以怎麼核對
- 不要把「AI 標籤沒有顯著效果」寫成「AI 產生的程式碼沒有風險」;研究操弄的是標籤,程式碼內容與實際缺陷仍要單獨檢驗。
- 確認研究樣本、任務和組織背景:447 名 Microsoft 工程師、四段固定程式碼與高 AI 使用率,不能直接代表你的團隊。
- 設計審查流程時,把測試結果、漏洞掃描、可維護性和人工覆核留成證據,再評估哪些身份資訊是必要的,避免讓職級取代程式碼本身。
後續追蹤
- 不同 AI 採用程度與不同組織的重複實驗
- 程式碼審查介面匿名化、延後顯示身份與實際品質/合併結果的比較
- AI 揭露政策對責任追蹤、資安稽核與工程師心理安全感的長期影響
本文提供資訊與研究脈絡,不構成個別投資、法律或財務建議。數據和政策可能更新,決策前請核對最新原文。