近九成開發者都在用 AI 寫程式，美國學界報告：信任與驗證才是下道關卡
美國計算社群聯盟（Computing Community Consortium，CCC）9 月 24 日發布最新報告，探討 AI 大量參與程式開發之後，軟體工程該如何重新定義。報告指出，AI 程式開發工具在開發者之間的採用率已達 84% 至 90%，工程工作的重心正從撰寫程式碼，轉向需求定義、規格驗證與後續維護。不過，業界對 AI 輔助開發的期待，和現有技術能力之間仍有明顯落差，尤其是程式碼的生成速度遠快於驗證能力。
這份報告名為《Beyond Code: Engineering Trustworthy Software Systems with AI at Scale》，由約翰霍普金斯大學、維吉尼亞大學、懷俄明大學、奧斯納布呂克大學、南加州大學、伊利諾大學厄巴納-香檳分校、夏威夷大學與猶他大學的多位學者共同撰寫。報告提出七項技術路徑：
縮小使用者意圖與需求之間的落差。
結合生成模型與符號推理。
建立跨層協調機制。
把安全性內建於生成流程。
提升訓練資料透明度與智慧財產治理。
透過轉譯強化穩健性。
把 AI 延伸到部署與維運階段。
在安全與治理方面，報告主張模型在生成階段就要做到「預設安全」（secure by default），並透過不同 AI 交叉驗證來找出漏洞。報告也強調三種能力：資料來源可追溯、歸屬可驗證，以及在不同硬體平台間維持等價性。這些方向和近期其他研究對 AI 輔助軟體實際部署風險的提醒相呼應。例如在現代化既有系統時，必須先釐清關鍵業務流程、建立測試與可觀測性機制、限制權限與部署範圍，再逐步擴大 AI 的自主程度。
報告也對學界提出三項調整建議：
產學合作：與產業合作不應只停留在提供評測基準，而應取得真實的生產環境、遙測資料與規模化測試條件。
研究重點：從評估現有模型，轉向從頭打造可形式驗證、可安全建構，而且容易長期維護的新一代模型。
課程設計：以需求、規格與系統設計為核心重新規劃。未來學生不再主要靠手寫程式建立心智模型，而是要學會管理更高層次的抽象，以及 AI 代理系統的行為。
CCC 表示，這份報告的觀點來自 2026 年 2 月在舊金山舉行的願景工作坊。當時共有 41 位來自學界、產業與政府的專家參與，領域涵蓋人工智慧、軟體工程、程式語言、資安與系統工程。CCC 強調，面對 AI 生成程式快速擴張，下一階段的關鍵不只是讓程式寫得更快，而是讓系統在規模化使用下，仍然能被理解、驗證與信任。
（首圖來源：shutterstock）