AI gjorde utvecklare 19 procent långsammare. Vad teknikkonsulter kan lära av det.

METR mätte 246 verkliga uppgifter, inga leksaksproblem

METR, en icke-vinstdrivande AI-forskningsgrupp, rekryterade 16 erfarna utvecklare av öppen källkod och randomiserade 246 av deras verkliga arbetsuppgifter: buggar, ärenden och ny funktionalitet i mogna kodbaser som utvecklarna i snitt hade arbetat i under fem år. På vissa uppgifter fick de använda AI-verktyg, i huvudsak Cursor Pro med Claude 3.5 och 3.7 Sonnet. På övriga fick de inte det. Inga övningsexempel, inga inhyrda nybörjare: deras egen kod, deras egen ärendelista.

Innan de började uppskattade utvecklarna att AI skulle korta deras arbetstid med 24 procent. Mätningen visade motsatsen: med AI tillåtet tog uppgifterna 19 procent längre tid. Prognosen slog fel med 43 procentenheter, och det gapet är kanske studiens mest användbara resultat. De som stod närmast arbetet missbedömde inte bara effektens storlek utan dess riktning.

En tidigare studie fann det motsatta: 55,8 procent snabbare

Två år tidigare hade forskare vid Microsoft Research och MIT genomfört en randomiserad studie som fann motsatsen. Peng med kollegor gav 95 utvecklare en definierad uppgift: bygg en HTTP-server i JavaScript, med automatiska tester som mållinje. Gruppen med tillgång till GitHub Copilot blev klar 55,8 procent snabbare än kontrollgruppen (p = 0,0017) och lyckades något oftare: 78 procent mot 70. Den siffran spreds långt och blev standardförväntan på vad AI gör med kunskapsarbete.

Båda studierna är noggranna. Ingen av dem är fel. Det som skiljer är arbetets form.

Uppgiftens form avgör resultatet

I Microsofts och MIT:s studie var arbetsenheten hel och kontrollerbar: en definierad leverans med ett objektivt test på slutet. I METR:s studie var AI en assistent inne i öppet expertarbete. Utvecklarna promptade, väntade, läste rimligt klingande förslag och rättade dem, i kodbaser de kände bättre än modellen gjorde. Varje steg lämnade kvar verifieringsbördan hos människan.

Det är mönstret, och det har lite med modellkvalitet att göra. När AI levererar ett helt stycke arbete med en billig, objektiv kontroll på slutet ersätter maskintid mänsklig tid. När AI levererar en ström av förslag inne i en experts omdöme blir experten granskare av utkast, och att granska rimligt klingande utkast kan kosta mer än att skriva själv från början.

Samma gräns syns i teknisk dokumentation. I mars 2026 publicerade AI-bolaget Nomic AEC-Bench, ett riktmärke med 196 verkliga uppgifter från arkitektur, teknik och bygg. På granskning av entreprenörens tekniska underlag mot specifikationer och ritningar, så kallad submittal review, rapporterar artikeln att den bästa frontiermodellen nådde 23,1 procent. Det är en leverantörs eget riktmärke, så läs det som en fingervisning. Men riktningen känns igen: generell modell, öppen fackuppgift, svagt resultat.

Köp färdiga leveranser, inte assistans

En chattassistent utrullad till erfarna ingenjörer i deras egna uppdrag återskapar METR-villkoret: öppen hjälp inne i djup expertis, med verifieringen kvar hos människan i varje steg. Peng-villkoret ser annorlunda ut hos en teknikkonsult: en avgränsad leverans, som en trafikutredning eller en kontroll mot en teknisk specifikation, framtagen i sin helhet, systematiskt kontrollerad och därefter granskad och signerad av ingenjören.

Den andra lärdomen: mät, fråga inte. Ett gap på 43 procentenheter mellan förväntad och uppmätt hastighet betyder att enkäter i en pilot mest mäter entusiasm. Räkna timmar på jämförbara leveranser, före och efter, i verkliga uppdrag. Om leverantörens bevis är ett nöjdhetsbetyg, be om tidrapporterna.

Det är också måttstocken vi själva accepterar. Våra försvarbara påståenden är medvetet smala, och mätta så som det här avsnittet kräver: en hel leverans som tidigare tog närmare två veckor tas nu fram och verifieras på en dag i skarpt projekt, inte utslätad till en slogan; och en extra projekteringsiteration per uppdrag till oförändrat arvode. Studien om 19 procent är inget argument mot AI i ingenjörsarbete. Den är köpguiden.