在 arXiv 看到一篇很貼近實務的 shadowing 研究：研究者跟著 11 位專業開發者工作約 15 小時，記錄 255 個 prompts，並做了 4.6 小時後續訪談。這是小型觀察研究，不能拿來推論所有團隊，更不能直接宣稱 AI agent 造成了某種工作變化。不過，它把常被產品 demo 藏起來的成本拍得很清楚：開發者平均有 33.4% 的觀察時間花在寫 prompt 或檢查 AI 回應，task switching 的頻率甚至從每小時 0 次到 101.6 次都有。

研究把互動分成三種模式。Supervisor 直接驗收 artifact，Delegator 透過對話協調、委派實作再檢查，Learner 則用 agent 建立自己的理解。這提醒我們，驗證不是互動結束後才補上的一步，它本來就是工作本體。

嚴格來說，LLM 產生的是在當下 context 下看似合理的 token 序列，不是已經通過需求、測試與團隊脈絡驗證的 artifact。於是，prompt 寫得更快不等於交付更快。當任務涉及既有架構、權限邊界或模糊需求，真正昂貴的是把模型輸出放回系統裡，確認它是否符合隱性規則。研究也觀察到，人們會向 agent 取技術資訊，卻要向同事取得組織情境、責任歸屬與對齊。這不是 agent 不夠聰明，而是這些資訊不只存在於程式碼裡。

所以我會把團隊流程拆成兩條線：可由測試、型別與範例驗證的部分交給 agent；涉及決策理由、風險承擔與跨部門共識的部分，保留人與人之間的確認。導入 agent 時，別只量完成幾個 ticket，也要量重工率、審查時間與被打斷後重新建立 context 的成本。否則我們可能只是把寫程式的時間換成管理驗證的時間。這篇研究不是因果證據，卻提供一個值得追蹤的問題：AI 幫我們省下的時間，是否真的大於新增的驗證負擔？