AI原型并非生产级软件
兰康科技（Lancom Technology）首席技术官艾梅·林（Aimee Lin）指出，人工智能已显著提升资深软件开发者的价值。尽管AI工具能快速生成可运行的应用程序，但这些输出多停留在原型阶段，缺乏实时部署所需的控制措施。许多组织仍欠缺将AI构建的原型转化为生产系统的能力，导致开发者角色从单纯编写代码，转向对安全性、治理和系统韧性进行关键判断。
“用AI创建应用程序已是现实，否认这一点毫无意义。”艾梅·林强调，演示中运行良好的软件与具备生产就绪状态的软件存在本质差异。后者需包含核心功能之外的安全与治理机制。随着AI使软件开发门槛降低，攻击者发现漏洞的速度也在加快，“安全和治理从未如此重要”，软件发布与攻击均以机器速度进行，这进一步强化了围绕软件发布的管控流程。
生产级软件的三个层面
艾梅·林认为，组织应将软件视为多维度的集合，而非单一功能体。她定义了三个必要层面：一是能运行的系统；二是安全部署的系统，涵盖安全性、可靠性和加固控制；三是准备好接受外部审查的系统，包括威胁建模、环境分离和审计证据。
目前，AI生成的代码通常仅满足第一层面，缺乏后两者的支撑。多数公司难以识别这些缺失部分，当应用从开发转入实际使用时，便埋下风险隐患。“对于大多数由提示词驱动的应用，你只能看到表面。”艾梅·林表示，AI无法验证身份验证在攻击下的稳固性、系统的扩展能力或容错性，也无法提供监管或收购所需的审计证据。
基础设施与角色重构
应用程序的风险不仅限于代码本身，还延伸至托管基础设施。艾梅·林指出，托管安排、身份控制、备份系统和补丁更新常被忽视，但糟糕的基础设施决策足以破坏精心编写的软件。“如果底层平台出问题，再好的应用也面临风险。”
这种复杂性解释了为何资深开发者在AI自动化编码的背景下依然核心。工作并未消失，而是向少数人集中。艾梅·林称，连接测试套件人人可为，但识别测试覆盖盲区需要十年经验。AI降低了原型制作成本，但未降低生产环境中的失败成本——停机、数据泄露和重建的代价依然高昂。
随着分析师、设计师、工程师和测试人员的职责边界模糊，软件开发岗位正在压缩。开发者需具备更强的全局判断力，而非狭窄的技术专长。“交接环节在压缩，但工作量未减。”艾梅·林表示，自动化测试已嵌入构建循环，更少的人需掌握更多全局视野。她认为，能够判断AI系统何时出错的人才极具价值。代理式工具虽释放了设计时间，让她重获构建能力，但技术仅扩展了能力边界，无法取代源于经验的架构判断力。“良好的判断力来自实践且始终稀缺，这正是资深开发者交付无偶然性生产级应用的核心价值。”