幻灯片写着七成自动化，尽调先算哪三笔账？

危险的数字不一定是编的。它经常是一次真测量，被带进一个它支撑不了的结论。Soukaïna Abelhad 在 AI Engineer 上给尽职调查三道检查。她做过投资人用的 AI 系统，也在生产里做评估、写出送到高管面前的数。

原始来源：What Technical Due Diligence Finds When the Deck Says “70% Automated” — Soukaïna Abelhad。中文深度整理，非逐字翻译。本文依据视频英文字幕。引用的实验和公司数字均按讲者转述。

先做算术，不必懂模型

她先拆一个看起来很硬的百分比：55.8% 更快，来自 95 名职业开发者的对照实验。任务是按模板做一个 JavaScript HTTP 服务，对着 12 个看得见的测试。实验是真的，任务窄到不能代表“工程变快了”。

Faros 的观察数据更宽，也更不能当成劳动研究。高 AI 采用团队合并的 PR 多 98%，评审时间增加 91%，平均 PR 大了 154%。样本超过 1 万名开发者、1255 个团队。这证明不了 AI 减少了人头。它只警告：进系统的工作变多了，下游评审负担跟着变大。

尽调要的是这家公司自己的 18 个月说法。把工作量放在全口径人力旁边。算上因为 AI 才存在的人：操作、评审、训练、升级和返工。如果人力跟着工作量走，幻灯片描述的是辅助，不是把劳动拿掉。

“AI 写的”和“没人插手”不是同一句话

算术过了，定义还可能失败。她举 Uber 说 70% 的 PR 被归到 AI。这很醒目，仍然不是全程无人的比例。时间范围和总数也没有披露。

她把自动化放上一架梯子：AI 起草，人改过，人批准，或者边界内没有人工干预。金融里最后一档有现成的名字，直通处理。边界必须说清：停在草稿、停在 PR 获批，还是停在变更进了生产。归到 AI，和自主，是两个主张。

自动评分比合并的人更乐观

定义精确之后，测量仍可能不可信。她转述 Meta 的结果：扣掉人类基线之后，自动评分和实际合并决定相差 24 个百分点。三个仓库的四名维护者看了 296 个 AI 生成的 PR，事先不知道补丁来自人还是模型。自动评分比负责接收工作的人乐观得多。

她自己见过更极端的版本：某个项目里，10 个输出全都能过自动校验；专家上桌之后，几乎留不下几个。所以她把评估成熟度当成第一信誉信号。要问谁标的真值、专家是否同意、有没有人测量这种同意、自动裁判对照过什么、什么样的坏输出漏了出去。

过了检查，还要变成一道门

她特意把 Builder.ai 和“AI 故事弱所以公司倒了”切开。破产涉及收入融资，不只是 AI 宣称。尽调教训更早：2019 年《华尔街日报》已经公开质疑其 AI 能力；《金融时报》2025 年 5 月报道，2024 年收入估计从 2.2 亿美元修到大约 5500 万美元；6 月 2 日公司申请第七章破产。警告在，流程没有把它变成门槛。

就算主张活过了这三关，还要活过单位经济。从合格流程的价值出发，乘上真实采用、直通成功和被接受的质量，再减去 AI、人工复核、升级和返工。她要的指标是：每个被接受的自主任务的成本。失败、升级、返工都进成本。

三道检查可以印在一张卡片上。算术：工作量对全口径人力。定义：在说清的流程里，直通率是多少。分辨：谁定义质量，专家是否同意，什么坏输出逃了出去。只有活下来的主张才翻译成单位经济。顺序不能倒过来。先被百分比打动，再回头找定义，卡片就废了。

她把买方一句标准延伸到经营指标：数字是为备忘录准备的，不是为演示准备的。尽调的工作不是问这个数亮不亮，而是问：要让它有意义，哪些事情必须为真。做不到，就走开。