本文讨论如何衡量AI对软件开发速度的影响。作者认为交付速度不等于生产力，且缺乏客观标准衡量开发速度，因为功能与缺陷规模不一，估算常过于乐观。建议采用随机受试者内重复测量试验：先收集估算，再随机分配任务是否使用AI，将个人与自身对比，并统一流程以减少干扰。作者强调AI投入成本差异巨大，必须测量实际收益，否则可能高估其效果。

本文探讨如何量化AI在软件开发中的投资回报率。作者指出，AI虽能提升生产力，但成本高昂，且自我评估常不准确。建议避免使用代码行数或拉取请求数量衡量效率，而应关注交付速度、意外后果及业务成果，并考虑长期影响。系列文章分四部分，强调以数据而非直觉进行决策。

远程工作者使用“鼠标移动器”技术伪造工作效率，导致威尔斯法戈解雇多名员工。这些设备在疫情期间流行，能够自动移动鼠标或输入虚假操作。公司监控工具逐渐升级，能够识别这些伪装行为，企业需重新定义员工的生产力衡量标准。