你好,欢迎您来到福建信息主管(CIO)网! 设为首页|加入收藏|会员中心
您现在的位置:>> 新闻资讯 >>
随着 AI 编写的代码越来越多,CIO 如何牢牢掌控全局?
作者:福建CIO网 来源:CIOCDO 发布时间:2026年11月10日 点击数:

导读:AI 编码工具已经能够胜任许多传统上由资深开发人员完成的任务。然而,绝不能让这些智能体在脱离监管的情况下独立运作。数字化领导者必须为 AI 赋能的软件开发建立明确的政策、护栏与指导方针。

图源:SvetaZi / Shutterstock

人工智能(AI)编写代码的数量正达到前所未有的高度。软件质量专业机构 Sonar 发布的《2026 年代码开发者现状调查》(基于对 1,100 多名专业开发者的调研)显示,在尝试过 AI 编码工具的开发者中,有 72% 的人现在每天都会使用这些工具;目前,已提交的代码(Committed code)中有 42% 由 AI 生成,而这一比例预计到明年将攀升至 65%。

然而,尽管开发者们积极拥抱 AI 编码服务,许多专业人士对于企业将如何应对这股汹涌而来的 AI 生成代码潮仍心存疑虑。Sonar 的研究还发现,高达 96% 的开发者并不完全信任 AI 生成的代码,且仅有 48% 的人会在提交代码前坚持对其进行逐一验证。

事实上,有 38% 的受访开发者向研究人员表示,审查 AI 生成的代码,往往比分析人类同事编写的代码需要耗费更多的精力。英国国家测绘局(Ordnance Survey, OS)地理空间管理顾问 Tim Chilton 对这一现象深有体会。“媒体报道称 AI 有时会‘放飞自我’,导致开发人员花在修复 AI 生成代码上的时间甚至超过了从头编写的时间,这种说法并非空穴来风,”他指出。

尽管 Chilton 表示在英国国家测绘局内部并未出现这种失控局面,但他坦言,其所在组织对开发人员如何使用 AI 编码工具保持着审慎的态度,而与其他数字化领导者的交流也表明,业界普遍采取了类似的谨慎策略。AI 赋能的编程确实已近乎无处不在,它能够帮助开发人员跃升至全新的生产力高度,但代码“产量更高”并不必然等同于代码“质量更好”。

为了确保这类编码服务真正转化为商业效益,首席信息官(CIO)必须牢牢掌控软件开发流程。他们应当审慎地利用智能体(Agents),明确界定专业人员的职责,并建立完善的指导方针、管理政策以及覆盖全组织的培训体系。

一、审慎利用编码智能体


数据云巨头 Snowflake 联合创始人兼总裁 Benoît Dageville 认为,看待 AI 驱动的编程有两种视角:一种是令人担忧的视角,即 AI 在没有任何人类输入的情况下全面接管你的工作;另一种则是高效的视角,即 AI 协助你完成与以往相同的工作,但仅需耗费过去几分之一的成本。无论是对他个人还是对他的团队而言,他都是后一种模式的坚定支持者。

“具体选择哪条路径取决于组织自身;企业如何应用 AI 编程,取决于他们的业务优先级,”他表示,“不过,我希望从整体来看,AI 能对人类产生积极的影响。我现在每天都在使用 AI 写代码,如果拿现在的自己与一两年前相比,我的工作效率和生产力都得到了显著提升,与此同时,我编写的代码量也增加到了过去的五倍。”

集成技术专业公司 Boomi 的首席执行官 Steve Lucas 同样注意到了代码产量的激增。他引用了一项研究数据指出,目前在 GitHub 的公开代码提交(Public commits)中,已有 4% 出自 Claude Code之手,而这一比例预计到今年年底将飙升至每日提交总量的 20%。在 Boomi 内部,员工们也已经广泛使用 AI 工具来提升代码产出。

“我们今天编写的代码量是两年前的 10 倍,”Lucas 表示。AI 赋能编程所带来的产量增长是如此显著,以至于他已经开始与 Boomi 首席产品与技术官 Ed Macosky 探讨关于“自修改代码(Self-modifying code)”的目标占比问题。

“我认为,未来软件组织中 80% 的代码都应该由 AI 进行递归式的自我修改与优化,”Macosky 表示,“软件系统需要永无止境的持续改进。如果外部的恶意 AI 极其擅长破解安全协议,那么企业唯一能跟上攻防节奏的方法,绝不是继续依赖传统人类代码设计那种缓慢的‘手风琴式’伸缩模式。AI 的应用规模必须是线性扩展且持续不间断的。”

至关重要的一点是,Lucas 强调,利用 AI 去检查和修改其他 AI 生成的代码,绝不意味着人类程序员会就此消失。“恰恰相反,我认为未来我们需要更多的工程师,而不是更少,”他指出,“我们需要这些专业的技术专家来把控最终编写出的代码质量。”

在英国国家测绘局(OS),Chilton 日常使用的是 Snowflake 推出的编码智能体 Coco。对于那些原本需要他从零开始编写的开发任务,这款工具可以承担高达 90% 的工作量。“过去需要耗费数周、甚至因精力有限而永远无法启动的任务,现在只需一个小时就能完成,”他在谈及 AI 编码服务的强大能力时感慨道。

然而,这款工具的影响力受到了严格的约束。该智能体并不会在孤立状态下自行其是,Chilton 会对其生成的输出结果进行详尽的审查。他表示,所有组织都需要建立类似的审核机制,并高度重视那些能够有效驾驭 AI 编码工具的资深专业人员。

“作为一名数字化领导者,如果你把强大的 AI 工具交给一个根本没有能力核查智能体工作质量的人,你就会面临盲目采信 AI 输出结果的巨大风险,”他警告道,“我认为这是一个重大的隐患,因此企业依然迫切需要经验丰富的开发人员。”

二、明确界定人机职责与自动化流水线


虽然将“人类保留在环路中(Human-in-the-loop)”有助于确保 AI 生成代码的安全性与有效性,但企业也不应让开发人员被这些新增的审核与管理职责压垮。

摩根大通(JPMorgan Chase & Co.)旗下消费者银行部门大通银行(Chase)的 CIO Gill Haus 指出,只有在引入编码智能体的同时,高度注重底层支撑技术与测试流程的全面自动化,从而减少对过多人工干预的依赖,AI 编程的真正效益才能得以兑现。

“如果你拥有 12,000 名工程师,他们一天就能写出相当于 12,000 名工程师工作量的代码,”他解释道,“如果这 12,000 名工程师配备了代理式 AI(Agentic technology)工具,他们每天产出的代码量将成倍增长。但如果你没有建立起一套从左到右(即从开发端到运维端)值得信赖的全链路自动化流水线,你实际上反而会制造出更多的手动审批瓶颈。因为你能够安排在中间环节进行人工审核的员工数量终究是有限的,这反而会拖慢整体的交付速度。”

Haus 强调,大通银行绝不会将任何未通过其严苛质量与安全标准的软件服务发布到生产环境中。扎实的软件工程实践、健壮的 CI/CD流水线与系统架构,再加上经过实战检验的自动化测试方法,能够确保 AI 编程在无需耗费繁重人工干预的前提下,依然交付出稳健可靠的代码产出。

“我们高度专注于高效的端到端自动化建设,唯有如此,我们才能安全、有效地释放这项新技术的潜能,”他表示,“如果其他企业还没有将精力聚焦于此,现在就必须立刻行动起来,否则你将根本无法跟上技术变革的步伐。”

法国电视一台(TF1)集团首席数据与广告技术官 François-Xavier Pierrel 是另一位强调过程控制的数字化领导者。他认为,随着 AI 编写的代码越来越多,保持控制权的核心在于以一种职责极其明确的方式让人类参与其中。他的团队目前使用 Atlassian 旗下的项目管理与协作工具(如 Confluence)来严密记录和归档智能体的运作流程。

Pierrel 表示,随着代理式 AI 转型步伐的加快,策略管理(Policy management)变得至关重要。其中的一个关键步骤,是确保所有使用智能体的专业人员都严格遵守企业内部的技术标准。明智的企业会制定清晰的规范,明确界定员工在何种条件下可以探索测试智能体、何时可以将工作委派给智能体,以及何时才允许将其生成的代码正式发布到生产环境中。

“我们目前还没有部署成百上千个智能体,”他坦言,“但一旦你的智能体应用达到一定的规模体量,如果你没有提前建立起完善的合规机制与管理政策,AI 就会演变成一场严重的混乱,进而对业务造成负面的破坏性影响。”

三、夯实人才转型与安全护栏的根基


内容与技术专业机构汤森路透(Thomson Reuters)的首席运营官(COO)Kirsty Roth 同样认为,数字化领导者必须采取积极主动的姿态。她所在公司对大模型和智能体的探索表明,AI 确实能够有效分担那些极其耗时的基础编码工作。而这种技术能力的跃升,也促使她的组织开始深入思考人类员工未来的角色定位。

“在过去的 12 个月里,我们投入了大量精力去评估究竟哪些环节真正产生了效益,”她介绍道,“AI 能够承担部分代码编写工作固然很好,但这对员工的岗位职责意味着什么?过去我们拥有数以千计的纯代码工程师;而在未来,我们是否需要更多的系统架构师(Architects)或产品经理(Product people)?”

插图来源:混沌学园 《AI用得越多,组织越难对齐?》李志飞

Roth 还特别强调了安全问题。尽管网络安全始终是汤森路透的头等大事,但该公司目前正投入大量专项资源,以应对 AI 时代特有的新型安全威胁。培养高水准的软件开发与安全防护技能需要全公司的协同努力。不过,Roth 认为,确保员工掌握正确的技能来驾驭 AI,在很大程度上与过往的历次 IT 浪潮并无本质不同。

“我们今天所做的这一切努力,与当年应对数字化、云计算、移动互联网或社交媒体等大型技术趋势时如出一辙,”她指出,“任何一项重大技术在经历最初的概念炒作(Hype)后,都需要数年时间才能沉淀出实质性的商业影响;在此期间,你必须脚踏实地解决现实落地中的难题,并系统性地思考如何提升员工的技能(Upskill),帮助他们适应全新的技术世界。”

另一个至关重要的变化是,编写代码已不再是专业软件开发人员的专属特权。AI 编码工具的普及,使得非 IT 专业的业务人员也能通过自然语言交互,轻松地进行“氛围编程(Vibe coding)”并构建出可用的应用程序。数字采用平台专业公司 WalkMe 的 CIO Tal Carmi 表示,非开发人员确实能够借此创造出非常实用的业务工具;但若要获得安全有效的产出,必须在“赋能员工”与“专业指导”之间维持微妙的平衡。

他补充道,大多数这类业务员工并不需要调用诸如底层数据库或内容分发网络(CDN)等深度技术能力。相反,非 IT 人员真正需要的是一个专门的受控环境来上传和运行他们构建的轻量级应用。在 WalkMe 内部,专业的工程专家会针对这些应用提出关键的审查问题,仔细核查访问凭证(Credentials)以及潜在存在漏洞的开源软件包,以确保业务人员的输出成果安全可控。

“你必须为他们加上严密的安全护栏(Guardrails),”他强调,“目前,企业内部专业工程师的很大一部分工作重心,正在从‘亲手编写代码’转向‘测试与审查代码’。因为那些非程序员出身的业务人员在构建应用时,脑子里往往缺乏足够的安全防范意识。”

生物制药巨头赛诺菲(Sanofi)的首席数字官(CDO)Emmanuel Frenehard 总结道,这一切的核心启示在于:数字化领导者必须帮助专业技术人员建立起驾驭新工具的心理舒适度与自信心。成功的数字化领导者需要确保企业能从智能体中持续创造出商业价值;目前,赛诺菲正在全力协助员工(尤其是开发团队)积极拥抱这些 AI 工具。

“我由衷地为那些抗拒使用 AI 来辅助编程的专业开发人员感到担忧,因为在五年之后,他们很可能会因此失去工作,”他直言不讳地表示,“因此,我们正在积极地引导、辅导和培训他们,但每位员工都必须亲自迈出这一步,踏上这段转型之旅。时代的列车已经驶离站台,你可以选择登上列车,也可以选择站在原地袖手旁观。”

💡 技术与管理名词速览 (Tips)

  • Vibe Coding (氛围编程 / 直觉编程):随高阶 AI 编码助手(如 Cursor, Claude Code 等)兴起而产生的新型软件开发范式。使用者(包括不懂底层语法的非技术人员)无需亲自编写严谨的代码逻辑,只需用自然语言向 AI 持续描述自己想要实现的功能、界面效果或“感觉(Vibe)”,由 AI 全权负责生成、调试并运行底层代码。

  • Self-modifying Code (自修改代码):在现代 AI 工程语境下,指由 AI 智能体驱动的系统能够根据运行时的性能监控、安全漏洞扫描或业务需求变化,自主对现有代码库进行递归式的重写、重构与补丁修复,以实现系统的持续自我演进。

  • Automation Left to Right (从左到右的全链路自动化):软件工程术语,常与“左移(Shift-left,即在开发早期引入安全与测试)”结合使用。指从最左侧的需求分析、代码编写,到中间的静态代码扫描、单元测试,再到最右侧的生产环境部署与监控(CI/CD 流水线),实现端到端的高度自动化验证,以承接 AI 带来的爆发式代码吞吐量。



睿评:当代码生产边际成本归零,IT 治理的重心必须向“两端”迁移


Sonar 调研中“42% 的提交代码由 AI 生成,但 96% 的开发者不完全信任”这一组对比鲜明的数据,精准道出了当前企业软件工程的核心矛盾:AI 极大地释放了代码“生成端”的产能,却瞬间击穿了传统人工“审核端”的承载极限。

面对代码量的指数级增长与全民“氛围编程(Vibe coding)”的普及,CIO 与 CDO 若想牢牢掌握系统控制权,需从以下三个维度重构研发生态:

1、构建匹配“AI 速度”的自动化质检流水线:正如大通银行 CIO 所言,当上万名工程师在 AI 加持下成倍输出代码时,依赖人工逐行审查(Code Review)只会造成严重的流程拥堵。企业必须将投资重心转向“从左到右”的自动化测试、静态安全扫描与自动化合规校验,用机器的速度去检验机器的产出。

2、推动研发团队向“架构与验证”两端演进:当基础编码被智能体接管,传统初级码农的价值空间将被大幅压缩。技术高管应着手重塑人才结构,引导工程师将精力向前端的“业务架构设计、系统边界定义”以及后端的“复杂集成测试、安全把关”两端迁移,培养具备能力审视 AI 产出的高阶工程专家。

3、为业务人员的“氛围编程”设立隔离沙箱:鼓励非技术人员利用 AI 开发轻量工具能有效激发一线敏捷创新,但绝不能允许其直接触碰核心生产数据库。通过提供统一的受控上传环境与预设好权限护栏(Guardrails)的底层平台,方能在释放全员创新活力的同时,守住企业级安全的底线。


#CIO #高管层   #职业发展   #人工智能   #新兴技术   #IT战略   #IT领导力   #开发工具   #软件开发   #IT管理   #开发者   #角色

作者:Mark Samuels(马克·塞缪尔斯)