一、案例定位

原書以 Accenture 在 Velocity 平台使用 Amazon CodeWhisperer 為例，說明 coding assistant 如何降低開發工作量。

二、學習目標

• 把 productivity claim 轉成可重算 workload 情境。
• 建立內部驗證指標。

三、案例情境

Accenture 使用 Amazon CodeWhisperer 加速 Velocity 平台 coding，原書報告 developer efforts 降低 30%。

四、開始資料

五、Excel／AI 分析方法

教材試算可用 NewHours=BaselineHours*(1-30%)；另追蹤 defect、review、rework，避免只看產出速度。

六、計算結果

若教材基期為 1,000 developer-hours，則 1000×0.70=700 小時，節省 300 小時。

七、結果分析與管理解讀

30% effort reduction 是值得測試的 benchmark，但不同 codebase、語言與治理要求會改變實際成效。

八、AI 提問詞

根據我們的 baseline 與 pilot developer-hours，計算 effort reduction，並比較 defect rate 與 review time。

九、思考／情境變動

**題目：**若因額外 review 增加 80 小時，淨節省多少？

**參考解答：**原節省 300 小時，扣除 80 小時後淨節省 220 小時。