【編者按：ChatGPT這樣的大語言模型湧現出生成計算機代碼的能力，也衍生出像 GitHub Coilot 這樣的生成式AI編碼工具。這些工具大大地提高了公司軟體開發效率，但也帶來了一些技術債務和管理複雜性增加等風險。最近，紐約華爾街日報專注AI技術的科技記者Isabelle Bousquette 就這些問題采訪了一些全球500強企業的 CIOs，并在華爾街日報的《CIO日志》專欄上發表了報道：“AI Is Writing Code Now. For Companies, That Is Good and Bad”。該報道指出，目前許多企業的首席資訊官仍然在積極推進生成式智能程式設計工具的使用，并取得了效率提升。盡管如此，技術上司者也應該保持謹慎，在使用生成式智能程式設計工具時，企業除了重視投資回報和經濟成本之外，還應強調安全和品質，并警惕可能出現的問題。總而言之，生成式人工智能編碼工具為企業帶來機遇和挑戰，在充分認識風險的前提下，技術上司者應該制定适當的政策，以實作最佳的效益和代碼品質。我們特将該報道内容編譯出來和各位客戶、合作夥伴朋友分享。如需轉載，請聯系我們】

AI正在編寫代碼，對公司來說是喜憂參半

CIO們發現雖然生成式AI讓軟體開發更容易了，但同時也讓他們的工作更複雜了。

作者：華爾街日報記者 Isabelle Bousquette

生成式人工智能編碼工具承諾為開發人員帶來巨大的效率提升，但一些技術上司者擔心過快生成過多代碼可能帶來的後果。

美國聯合航空、強生公司、Visa、Cardinal Health、高盛等公司的IT上司者表示，他們對生成式人工智能自動化部分代碼編寫過程的潛力感到興奮，并期望它能帶來顯著的生産力提升。

然而，一些IT高管表示，降低代碼建立的門檻也可能導緻日益增長的複雜性、技術債務和混亂，因為他們試圖管理不斷增加的軟體堆疊。"技術債務"是一個廣義的術語，用來描述未來采用快速解決方案所預期的成本。

金融服務公司Truist的首席資料官Tracy Daniels表示：“當傳遞可以加速時，增加技術債務和孤立代碼的潛力始終是一個問題。”

“人們長期以來一直在談論技術債務，現在我們有了一張全新的信用卡，可以讓我們以前從未能夠做到的方式積累技術債務，”麻省理工學院計算機科學與人工智能實驗室的教授Armando Solar-Lezama說道。“我認為存在着機器寫出大量低劣代碼的風險，”他補充道，公司将不得不重新思考如何與新工具的能力相結合，以避免這種情況。

Solar-Lezama表示，多年來一直在努力自動化編碼過程的某些部分，因為這些部分往往耗時費力。他說，由于生成式人工智能模型的規模和準确性不斷增長，這些努力得到了推動，這也促使了ChatGPT的流行激增。

微軟開發部門的企業副總裁兼産品負責人Amanda Silver表示，可用開發人員的人才短缺也推動公司加大對能夠輔助編碼過程的工具的投資。

不同的企業正在評估和部署類似于微軟旗下的Github Copilot以及亞馬遜、國際商業機器公司和Tabnine、Magic AI等初創公司的其他工具。這些工具通常通過建議新的代碼片段和測試以及在開發人員已經使用的代碼編寫程式内提供技術建議來工作。但IT上司者表示，這也存在風險。

“我認為這使得首席資訊官的任務變得更加複雜，即使它也使程式員的任務變得更容易，”資料分析和數字營運解決方案公司EXL的執行副總裁兼分析部門負責人Vivek Jetley說道。

這些工具具有使編寫代碼民主化的能力，這意味着越來越多的員工可以開始為多個新的用例編寫代碼。随着代碼量的激增，首席資訊官将需要努力控制和管理那些代碼，并确定保留什麼、丢棄什麼以及如何運作系統，他說。

Jetley說：“肯定會有更多的混亂。”

毫無疑問，技術債務和孤立代碼長期以來一直是困擾首席資訊官的挑戰，OutSystems首席執行官Paulo Rosado表示。随着代碼的不斷增加，自然會出現了解某些代碼的功能和建立方式的混淆，他說。

随着開發人員離開公司，這種混淆加劇，随着時間的推移，不斷增長的代碼堆積變得越來越難以跟上，他補充道。Rosado表示，他确實預計生成式人工智能編碼工具會加劇這些問題。

專業服務公司Genpact的首席數字政策師Sanjay Srivastava表示，技術上司者應該注意不要将代碼的加速傳遞與生産力等同起來。企業應該更多地考慮投資回報而不是實際編寫的代碼量，并權衡運作功耗高的生成式人工智能工具的經濟成本。

美國聯合航空公司首席資訊官Jason Birnbaum表示，這些風險是合理的，這将使得在安全性和彈性方面設計雲環境變得重要，并且會增加釋出未經适當審查和測試的軟體的難度。

盡管存在風險，首席資訊官們仍在推進工作。Birnbaum表示，美國聯合航空正在測試幾個生成式人工智能應用，包括代碼生成。Cardinal Health最近成立了一個跨職能的工作組來評估使用案例和風險。Truist正在與供應商一起探索全新代碼生成和代碼注釋。高盛已經在早期試點中看到了兩位數的效率提升。