AI 现在会写代码了。对企业而言，这既是好事也是坏事。

本文由葡萄牙语原文自动翻译。阅读原文

即使生成式 AI 让软件开发更容易，首席信息官们可能会发现自己的工作正变得更复杂。 译自： https://www.wsj.com/articles/ai-is-writing-code-now-for-companies-that-is-good-and-bad-6f19ecdc?st 编码过程可能枯燥而耗时，将其部分环节自动化的努力已经进行多年。得益于生成式 AI 模型规模与精度的不断提升，这些努力获得了新的推力。生成式 AI 编码工具向开发者许诺巨大的效率提升，但一些技术领导者担心「太快生成太多代码」的后果。美联航、强生、Visa、Cardinal Health、高盛等公司的 IT 负责人表示，他们对生成式 AI 自动化部分代码编写流程的潜力感到兴奋，并期待由此带来显著的生产力增益。

然而，一些 IT 高管指出，降低代码创建的门槛，也可能在他们试图管理不断膨胀的软件堆栈时，带来日益增长的复杂性、技术债与混乱。「技术债」是一个宽泛的术语，描述为快速解决方案付出的预期未来成本。金融服务公司 Truist 的首席数据官 Tracy Daniels 说：「当交付可以被加速时，技术债和孤儿代码的增长永远是一个隐忧。」麻省理工学院计算机科学与人工智能实验室教授 Armando Solar-Lezama 说：「人们谈论技术债已经很久了，而现在我们拿到了一张新的信用卡，能以前所未有的方式累积技术债。」「我认为存在堆积大量由机器写出的糟糕代码的风险，」他补充说，企业必须重新思考方法论，让人与这些工具的新能力协同工作，以避免这种局面。Solar-Lezama 表示，自动化编码流程的努力已进行多年，而生成式 AI 模型规模与精度的增长给了它们新的推力 — 这同样助推了 ChatGPT 的爆红。

微软开发者部门企业副总裁兼产品负责人 Amanda Silver 表示，可用开发者人才池的短缺，也促使企业在辅助开发流程的工具上加大投入。

不同企业对 GitHub Copilot（微软旗下）以及亚马逊、IBM 和 Tabnine、Magic AI 等初创公司工具的评估与部署进度各不相同。这些工具通常在开发者已有的编码环境中建议新的代码片段与测试，并提供技术建议。但 IT 负责人们说，风险同样存在。数据分析与数字化解决方案公司 EXL 的执行副总裁兼分析负责人 Vivek Jetley 说：「我认为这让 CIO 的任务复杂得多，即使它让程序员的任务更轻松了。」

这些工具有能力让写代码「民主化」，意味着越来越多的员工可以开始为各种新用例编写代码。他表示，随着代码量爆炸，CIO 需要努力控制和治理这些代码，决定保留什么、丢弃什么、系统如何运行。

「混乱肯定会更多，」Jetley 说。OutSystems 的 CEO Paulo Rosado 表示，技术债和孤儿代码确实是长期困扰 CIO 的难题。随着越来越多的代码被构建，关于某段代码做什么、如何产生的困惑自然出现。

他补充说，随着开发者离职，这种困惑会加剧；时间一长，不断膨胀的代码堆越来越难以保持更新。Rosado 预计这些问题将被生成式 AI 编码工具放大。专业服务公司 Genpact 的首席数字战略官 Sanjay Srivastava 说，技术领导者应当小心，不要把「加速交付代码」等同于「生产力」。企业应当更多考虑投资回报，而非实际写出的代码量，还应权衡运行高耗能生成式 AI 工具的经济成本。

美联航首席信息官 Jason Birnbaum 表示，这些风险确实存在，因此为安全性和韧性设计云环境将变得重要，也会让未经充分分析和测试的软件更难发布。

尽管有风险，CIO 们仍在向前推进。Birnbaum 说美联航正在测试包括代码生成在内的多个生成式 AI 应用。Cardinal Health 最近成立了一个跨职能工作组来评估用例与风险。Truist 正与一家供应商探索全新代码生成与代码注释。而高盛在早期试点中已经看到了两位数的效率提升。

原文见 https://www.wsj.com/articles/ai-is-writing-code-now-for-companies-that-is-good-and-bad-6f19ecdc?st