幫 AI 除錯比自己寫還累？安永終結重工地獄的底層架構解法：上下文宇宙
AI 可以在幾分鐘內生成數千行程式碼，並在近期引發了一波軟體產量大爆發。根據《金融時報》分析，自 2024 年底起，美國開發者在 GitHub 上的程式碼提交量年增率飆升至 35%，全球 iOS App 的新發布量與新網站註冊量也分別出現約 50% 與 40% 的大幅成長。然而，這些龐大的發布數量並不等於企業真正「可用」的程式碼。
《VentureBeat》報導，由 AI 快速生成的程式碼有個問題：其中相當一部分無法在企業內部實際部署。它們可能違反了內部工程標準、無法通過資安與合規性審查，甚至工程師為了幫這些程式碼除錯與清理，所花費的時間比自己從頭寫還要多。
「你可以產生大量的程式碼，但這其實沒什麼意義，」安永全球客戶技術工程負責人 Stephen Newman 表示，程式碼必須具備可整合性與合規性，否則只是在前端加速生成，卻在後端製造更多麻煩。
建構「上下文宇宙」，打破 AI 代理落地的合規瓶頸
為了解決這個走向企業生產線的瓶頸，安永的產品開發團隊著手在既有的 IT 架構中打造一個全新的 AI 操作層。安永將選定的 AI 程式編寫代理，例如內部廣泛採用的 Factory 工具，與企業內部的程式碼庫、工程標準以及合規框架進行深度串接。
Newman 將這個高度整合的環境稱為「上下文宇宙」（context universe）。當 AI 代理具備了讀取公司專屬架構與規範的能力後，其產出的程式碼便能自然符合安永的內部標準，大幅降低了後段的重工率。
工程師角色轉型：從單純的執行者邁向「編排者」
這套機制的成功落地，不僅仰賴技術整合，更推動了安永軟體工程師角色的典範轉移。他們意識到，必須對 AI 代理的自主權限進行嚴格分類。對於程式碼審查、文件撰寫、錯誤修復以及全新功能開發等高自主性任務，AI 代理能發揮極大的效益；但如涉及大規模系統重構、底層架構決策與跨系統整合等高度複雜的任務，則仍須保留給人類工程師進行嚴密監督。
在這樣的架構下，工程師不再是需要親自敲打每一行基礎程式碼的執行者，而是轉型為指揮系統運作的「編排者」（orchestrators），核心價值在於引導 AI 代理前往正確的資料庫執行任務，並確保整體架構的邏輯一致性。
生產力倍增幕後：反覆試錯與底層架構整合
在落實安全防護機制與底層架構整合後，安永內部數據顯示，早期採用階段的不同職位獲得了 15% 到 60% 的效率提升，而全面實施半自主開發模式的團隊，整體生產力則達到 4 到 5 倍的成長。然而，安永團隊主管也坦言，這種幅度的成長不能單純歸功於導入 AI 寫程式工具，背後更多是經歷大量反覆試錯，以及開發團隊在組織文化與行為模式上做出妥協與轉變的結果。
從整個軟體產業的角度來看，安永的案例揭示了企業導入 AI 的務實面：AI 技術的效益不在於大型語言模型（LLM）的原始生成速度，而在於企業是否願意投入建構專屬的 AI 操作層。這意味著在下一波軟體開發競爭中，能明確定義人類工程師與 AI 協作界線並完成系統串接的組織，才能將這些自動生成的程式碼，轉化為實際可用的工程產出。
＊本文開放合作夥伴轉載，資料來源：《VentureBeat》、《Financial Times》、《OfficeChai》，首圖來源：Unsplash