【编者按：ChatGPT这样的大语言模型涌现出生成计算机代码的能力，也衍生出像 GitHub Coilot 这样的生成式AI编码工具。这些工具大大地提高了公司软件开发效率，但也带来了一些技术债务和管理复杂性增加等风险。最近，纽约华尔街日报专注AI技术的科技记者Isabelle Bousquette 就这些问题采访了一些全球500强企业的 CIOs，并在华尔街日报的《CIO日志》专栏上发表了报道：“AI Is Writing Code Now. For Companies, That Is Good and Bad”。该报道指出，目前许多企业的首席信息官仍然在积极推进生成式智能编程工具的使用，并取得了效率提升。尽管如此，技术领导者也应该保持谨慎，在使用生成式智能编程工具时，企业除了重视投资回报和经济成本之外，还应强调安全和质量，并警惕可能出现的问题。总而言之，生成式人工智能编码工具为企业带来机遇和挑战，在充分认识风险的前提下，技术领导者应该制定适当的策略，以实现最佳的效益和代码质量。我们特将该报道内容编译出来和各位客户、合作伙伴朋友分享。如需转载，请联系我们】

AI正在编写代码，对公司来说是喜忧参半

CIO们发现虽然生成式AI让软件开发更容易了，但同时也让他们的工作更复杂了。

作者：华尔街日报记者 Isabelle Bousquette

生成式人工智能编码工具承诺为开发人员带来巨大的效率提升，但一些技术领导者担心过快生成过多代码可能带来的后果。

美国联合航空、强生公司、Visa、Cardinal Health、高盛等公司的IT领导者表示，他们对生成式人工智能自动化部分代码编写过程的潜力感到兴奋，并期望它能带来显著的生产力提升。

然而，一些IT高管表示，降低代码创建的门槛也可能导致日益增长的复杂性、技术债务和混乱，因为他们试图管理不断增加的软件堆叠。"技术债务"是一个广义的术语，用来描述未来采用快速解决方案所预期的成本。

金融服务公司Truist的首席数据官Tracy Daniels表示：“当交付可以加速时，增加技术债务和孤立代码的潜力始终是一个问题。”

“人们长期以来一直在谈论技术债务，现在我们有了一张全新的信用卡，可以让我们以前从未能够做到的方式积累技术债务，”麻省理工学院计算机科学与人工智能实验室的教授Armando Solar-Lezama说道。“我认为存在着机器写出大量低劣代码的风险，”他补充道，公司将不得不重新思考如何与新工具的能力相结合，以避免这种情况。

Solar-Lezama表示，多年来一直在努力自动化编码过程的某些部分，因为这些部分往往耗时费力。他说，由于生成式人工智能模型的规模和准确性不断增长，这些努力得到了推动，这也促使了ChatGPT的流行激增。

微软开发部门的企业副总裁兼产品负责人Amanda Silver表示，可用开发人员的人才短缺也推动公司加大对能够辅助编码过程的工具的投资。

不同的企业正在评估和部署类似于微软旗下的Github Copilot以及亚马逊、国际商业机器公司和Tabnine、Magic AI等初创公司的其他工具。这些工具通常通过建议新的代码片段和测试以及在开发人员已经使用的代码编写程序内提供技术建议来工作。但IT领导者表示，这也存在风险。

“我认为这使得首席信息官的任务变得更加复杂，即使它也使程序员的任务变得更容易，”数据分析和数字运营解决方案公司EXL的执行副总裁兼分析部门负责人Vivek Jetley说道。

这些工具具有使编写代码民主化的能力，这意味着越来越多的员工可以开始为多个新的用例编写代码。随着代码量的激增，首席信息官将需要努力控制和管理那些代码，并确定保留什么、丢弃什么以及如何运行系统，他说。

Jetley说：“肯定会有更多的混乱。”

毫无疑问，技术债务和孤立代码长期以来一直是困扰首席信息官的挑战，OutSystems首席执行官Paulo Rosado表示。随着代码的不断增加，自然会出现理解某些代码的功能和创建方式的混淆，他说。

随着开发人员离开公司，这种混淆加剧，随着时间的推移，不断增长的代码堆积变得越来越难以跟上，他补充道。Rosado表示，他确实预计生成式人工智能编码工具会加剧这些问题。

专业服务公司Genpact的首席数字策略师Sanjay Srivastava表示，技术领导者应该注意不要将代码的加速交付与生产力等同起来。企业应该更多地考虑投资回报而不是实际编写的代码量，并权衡运行功耗高的生成式人工智能工具的经济成本。

美国联合航空公司首席信息官Jason Birnbaum表示，这些风险是合理的，这将使得在安全性和弹性方面设计云环境变得重要，并且会增加发布未经适当审查和测试的软件的难度。

尽管存在风险，首席信息官们仍在推进工作。Birnbaum表示，美国联合航空正在测试几个生成式人工智能应用，包括代码生成。Cardinal Health最近成立了一个跨职能的工作组来评估使用案例和风险。Truist正在与供应商一起探索全新代码生成和代码注释。高盛已经在早期试点中看到了两位数的效率提升。