评估 AI 工具的价值具有挑战性，原因在于存在缺陷的指标，如代码行数或开发者调查。历史上，自动化并未消除职业，而是转变了工作角色，这使得预测 AI 对工作的影响变得极为困难。虽然闭源 AI 模型目前引领创新，但开源模型正在迅速追赶，能力差距正在快速缩小。AI 的一个重大问题是幻觉引用，这可能会用虚假信息污染互联网的知识库。尽管人们担心 AI 生成的代码会被用于攻击，但它也被证明在防御软件方面有效，能够预先发现漏洞。当 AI 模型将现有代码作为上下文时，代码库中的技术债务会被放大，导致“生成性债务”累积。互联网中 AI 生成内容日益增多，形成了“僵尸互联网”，使得区分人类互动与 AI 输出变得困难。生成 AI 代理可能感觉像是并行处理，但人类注意力仍然是关键的串行资源，无法被复制。虽然 AI 工具降低了构建解决方案的成本，但组织对齐与协调已成为新的瓶颈。AI 带来的生产力提升往往体现为产出量的增加，而非质量的改善，这侵蚀了进行关键战略思考和指导的时间。